流量成本越高
想依靠人口红利带来用户增长越难
不得不思考怎么做精细化运营，让花出去的每一分钱都带来效果
一、人人都应该了解的A/B测试
定义：A/B 测试是一种对照实验方法，用来根据假设比较两个及以上版本之间的差别，其假设可以被证实或推翻。该测试会根据原有版本派生出特定的测试版本，以此来产生可靠的结果。
你的产品适不适合做A/B测试：在做A/B测试前，你需要先确认的除了产品日活以外（想要得到可作为参考的A/B 测试的结果需要大量用户数据支撑，日流量越大的网站 App 得出结果越准确。日活1000是一个门槛，如果你的日活用户低于1000，那么你暂时很难通过A/B 测试达到你想要的结果），就是试验目的和试验场景；每一个A/B测试中的试验版本都是基于试验目的和试验场景来搭建的。
二、A/B测试的10个规则
1、忘记你以为你已经了解到的用户的一切
人们很容易基于年龄、性别、位置或收入，试图对用户做一些假设。尽可能不要做这种假设！
然而，在数字时代，我们有能力把数字接触点的杠杆作为一个机会来了解每位用户的喜好。
2、测试前先建立一个基线
开始一个高风险的A/B测试之前（或是低风险的A/B测试），提前预估时间来建立当前衡量的基准，如果你不知道当前的转化率是什么，你怎么能知道将来的测试怎么才算成功？
3、对别人有效并不意味着对你也有效
如果转化率优化是一个重复的过程，每次每个网站都以同样的方式做优化，那就没有做测试的必要了。
当然，你可以参考别人转化率优化的想法，但不要期望相同的结果。
4、同一个时间只测一个变量
如果你在更改标题的同时，对导航栏也做改变，你能知道那个变量促成了最多的转换吗？
5、达不到统计置信度，不算成功
A/B测试中的统计置信度是指，将来同样的测试再次运行，是可以预期到同样的结果的。换句话说，它告诉你你对测试结果的可信度有多大的把握。
在测试过程中，需要就样本大小、比例、受众规模等多个条件进行对比，得出的结果才具有可靠性。
6、先走再会跑
随着用户喜好与业务需求的变化，转化率优化的方式也一直都在变化，在这期间你会犯一些错误，你需要的是从错误中吸取教训，不断练习。
7、低成本获取更多用户反馈
即使你没有昂贵的用户体验（ UX ）部门，也能获取一些免费和低成本的服务来动态提供可用性测试比如：
Peek User Testing：Peek 是收集网站定性反馈的非常简单，快捷的方式。
优点：信息反馈公正、详细，免费。
不足：测试目标受众之外的接口不总是有意义，此外，收集大量的反馈太过费时。
Amazon Turk：让你在短时间内收集到大量真实人群的反馈，通过定量研究的方法，比如调查
优点：价格便宜，可扩展，定量的，能提前选择测试人员的资格标准。
不足：通常是通过调查引擎进行，需要引入人工进行过滤。
8、用户行为数据和用户调查数据可能会有冲突
调查在优化用户转化中有一定作用，但要意识到它可能不会如你的数据分析那样捕获真实的行为反馈。这是因为调查中的原始行为数据没办法排除人的偏见。
9、明确定义你的成功指标
永远不要忘记你的最终成功指标。 转化率优化是关于转化率的，这不是关于打开率，点击率，微博，分享，或 pinterest，明确你的核心指标，并围绕这个指标去完成测试。
10、不要做没有价值的测试
避免测试对转化率提升作用不大的元素，用你的尝试，相信自己的直觉，关注最重要的测试
做对的事情，做 ROI 最高的事情，在避免犯错的情况下最大化优化产品运营漏斗，你需要在产品体系里引入A/B测试，拍脑袋的决策已经失效，产品优化中的每一处改动都应该经过数据精确的衡量，毕竟：“ If you can’t measure it, you don’t know how to make it better ! ”
温馨提示
如果你喜欢本文，请分享到朋友圈，想要获得更多信息，请关注我。
