什么是拆分测试？ 下一次营销活动要遵循的 8 个步骤

各地的营销人员、销售人员和专业人士都同意，提高点击后着陆页转化率的最简单方法之一也恰好是最有效的。

这就是为什么各地的企业越来越多地将更多预算分配给强大且相对轻松的优化方法，称为拆分测试。

什么是拆分测试？

拆分测试，通常称为 A/B 测试，允许营销人员比较网页的两个不同版本——一个控制（原始）和变体——以确定哪个表现更好，以提高转化率。

理想情况下，两个页面之间只有一个差异，因此测试人员可以了解性能变化背后的原因。 例如…

拆分测试的精确度

假设您想看看不同的标题是否会提高点击后着陆页的转化率。 原始标题为“如何为您的业务产生更多潜在客户” ，而变体标题为“了解专家用来产生更多潜在客户的一种秘密方法”。

在为两者都产生流量后，您会发现变体产生的转化次数比原始变体多。 由于两个页面之间只有一个差异，因此您可以确信标题是提升的原因。

现在，这就是在理想世界中执行所有拆分测试的方式——一次一个更改。 不幸的是，我们并不生活在一个理想的世界中。

拆分测试的实用方法

拆分测试的理想方法（每个测试仅更改一个元素）的主要问题是，每个测试在得出结论之前需要多次（有时是数百）次访问价值的流量（更多关于为什么会这样） ， 之后）。

所以，还有一种更实用的方法来做到这一点。 考虑这个…

您希望在点击后登录页面上提高转化率，因此您进行了以下更改：

• 标题从“如何为您的企业产生更多潜在客户”到“了解专家用来产生更多潜在客户的一种秘密方法”。
• 从“提交”到“告诉我秘密”的号召性用语。
• 具有四个字段（姓名、电子邮件地址、电话号码、公司名称）的表单到具有两个字段（姓名、电子邮件地址）的表单。

在为两者运行流量后，您会发现您的新变体在实施了上述更改后，产生的转化次数比原始变体多 8%。 万岁！ 成功！

但是……等一下……您不知道为什么会发生这种转化率提升。 如果您进行了多变量测试，或一次测试了一个元素，您可以自信地给出理由。 德拉特…

转念一想，你真的在​​乎吗？

许多企业没有。 他们对提高转化率很感兴趣，他们并不关心它为什么或如何发生。 当您没有大量的时间、流量和人员可供支配时，或者您正在进行重大的重新设计时，“每次测试只更改一个元素”不是实用的建议。

但是请记住，运行拆分测试并不像“进行更改并为每个页面带来相等的流量”那么容易。 无论您选择使用哪种方法 - 实用的或精确的 - 它还有更多内容。

在开始拆分测试之前应该注意什么

每个营销人员都在寻找提高转化率的方法，因此，他们听说拆分测试可以对网页执行此操作，他们立即投入其中。只是，他们的仓促导致他们犯了一些常见错误：

他们无缘无故地测试

如果您搜索“拆分测试案例研究”，您会发现无休止的博客文章声称特定按钮颜色会产生最多的转换，并且您的表单上有一个理想数量的字段可供使用。 因此，您很自然地会尝试在您的点击后登录页面上实施这些更改，因为如果它对他们有用，那么它可能对您有用。

除了，有一个问题。 他们的业务、点击后登录页面、报价和受众与您的不同。 因此，如果您正在考虑尝试对其他人有用的东西，请帮自己一个忙并停止。 马上停止。

相反，您应该想出自己的东西来使用自己的数据进行测试。 热图工具、分析软件和客户访谈都非常适合确定您的网页的不足之处。 从这些中，您可以形成一个关于有可能提高转化率的测试的假设。

他们盲目地遵循最佳实践

对于您找到的关于完美按钮颜色或理想的表单域数量的每一篇文章，您都会发现两篇反驳它。

“错误的！” 营销人员将宣布。 “橙色经不起红色！”

“愚蠢的！” 另一个会说。 “显然绿色胜过两者！”

有趣的是，每个人都忙于争论谁错了，以至于他们忽略了一个事实：好吧，他们是对的（也就是说，除非在测试中出现一些方法论错误）。

如果营销人员 1 在她的点击后登录页面上针对橙色按钮测试了红色按钮，并发现红色按钮可以产生更多转化，那么她认为红色是她点击后登录页面的正确选择是正确的。

如果营销人员 2 在他的点击后登录页面上测试了绿色按钮与红色按钮的对比，并且他发现绿色优于红色，那么绿色对他来说是正确的选择。

营销人员 2 的测试结果是否证明绿色是比红色更好的按钮颜色？

绝对不。 营销人员 1 可以很好地测试绿色与红色，并发现红色仍然在她的点击后登录页面上产生更多转化。 按钮颜色对转化的影响在很大程度上取决于许多因素——例如你的受众和页面其余部分的颜色——所有这些都因企业而异。

对别人有用的东西不一定适合你。 这就是为什么您的所有测试都应该植根于您自己的数据。

他们根本不遵循最佳实践

虽然您不应该盲目地遵循最佳实践，但忽略它们也同样有害。 有适用于所有点击后到达网页的普遍真理。

例如，在有导航和没有导航的情况下测试您的点击后登录页面的版本是浪费时间，因为我们已经知道导航会通过让潜在客户离开您的页面多次退出来降低转化率。 同样，您不会在具有蓝色背景的页面上测试蓝色号召性用语按钮，因为它不会像对比色那样吸引更多注意力。

这些是普遍接受的设计最佳实践，100 次中有 99 次不值得您花时间和精力去测试——这让我们陷入了下一个错误……

他们测试不太可能带来提升的东西

有一次，谷歌测试了 41 种不同深浅的蓝色，以确定哪些对转化率影响最大。 你也可以吗？

绝对地。 但是你会吗？

我们希望不会。 你看，像谷歌这样的企业有整个部门专门从事这样的测试，以及支持它的收入，但总的来说，大多数企业没有。

事实上，CXL 的 2016 年行业状况报告发现，53% 的使用转化率优化的企业甚至没有专门的预算。 此外，大多数转化优化人员在年收入低于 100,000 美元的企业中工作。

除非您使用类似于 Google 的资源，否则尝试确定最佳颜色阴影的琐碎测试只会浪费您公司的时间和金钱。 相反，您应该关注可能对您的转化率产生重大影响的重大变化——这会让我们犯下一个大错误。

他们认为拆分测试将最大程度地提升营销活动转化率

我们在 Instapage 大力提倡拆分测试（它帮助我们一次又一次地提高了转化率），但我们更大力提倡对您的底线产生最大影响的优化方法。

拆分测试实际上只是转换方程式的一部分，有时，它并不是带来最大提升的优化方法。 Derek Halpern 很好地解释了我们的意思：

“如果我有 100 人访问我的网站，并且我有 20% 的转化率，这意味着我有 20 人进行了转化……我可以尝试将转化率提高到 35% 并让 35 人进行转化，或者，我可以弄清楚如何获得 1,000 名新访问者，保持 20% 的转化率，您会发现 1,000 名 (200) 的 20% 远高于 100 (35) 名的 35%。”

有时，摆弄您的点击后登录页面并不能最大程度地提高转化率。 有时会增加您的流量。 其他时候，改进你的广告会。

我们要说的是，在开始拆分测试之前，请确保您的广告系列中没有任何其他需要修复的漏洞。

好的，既然您已经了解了一些常见的陷阱，请对自己准备好进行拆分测试诚实一点。 您的广告系列中的其他所有内容都正确吗？

太好了，让我们谈谈如何开始进行拆分测试。

如何拆分测试点击后登录页面

从头到尾，以下是进行拆分测试时应采取的步骤。

1.从测试的理由开始

正如我们之前提到的，您进行拆分测试的原因应该是数据驱动的。 Google Analytics 数据是否显示您的访问者在放弃之前平均只在您的页面上停留 5 秒？ 也许你的标题和特写图片需要更好地吸引他们的注意力。 或者，也许他们觉得被误导了。 也许您需要更好地在广告和点击后登录页面之间创建消息匹配。

2. 创建假设

基于这个原因，提出一个假设。 问问自己，“我在努力改进什么？”

在这种情况下，您可能会说，“在观察到平均点击后着陆页用户会话只有 5 秒后，我们相信创建更具吸引力的标题将使他们阅读正文并在页面上花费更多时间，这最终会带来更多的转化。”

通过测试，您将能够接受或拒绝该假设。

3. 计算您的样本量

在结束测试之前，您需要达到所谓的“统计显着性”。 该术语是指在您对结果充满信心之前，您的每个页面（控制和变体）需要获得的访问次数。

在大多数领域，包括转换优化，普遍接受的显着性水平是 95%。 从本质上讲，这意味着，在您的测试结束时，您的结果只是偶然的可能性只有 5%。 在 95% 的显着性水平上，您可以 95% 确定转化率的变化是您在点击后登录页面上所做更改的结果。

现在，有一种方法可以手动计算样本量，但它涉及一些严肃的数学运算。 幸运的是，有一些工具可以让我们这些没有统计数据或没有时间以老式方式进行的人更容易。

Optimizely 的计算器非常适合这一点。 这是您必须输入的内容才能输出准确的样本量：

基线转化率：您的原始（控制）页面的转化率是多少？ 它越高，在结束测试之前您需要的访问次数就越少。

最小可检测效果：您希望能够检测到的转化率的最小相对变化。 20% 的最小可检测效果意味着，在测试结束时，您只能确信高于 20% 的转化率提升或下降是您调整的结果。 您的最小可检测效果越低，您在结束测试之前需要的访问次数就越多。

统计意义： Optimizely 的计算器允许您提高或降低此值，但不建议您使用低于 95% 的任何值。 如果您想根据结果做出准确的业务决策，就不能依靠不可靠的数据。 您的显着性水平越高，您在调用测试之前需要的访问次数就越多。

获得样本量后……

4. 进行调整

如果这是您要更改的标题，请更新它。 如果您的假设涉及切换特色图像，请执行此操作。 像 Instapage 这样的平台可以在几秒钟内轻松调整页面元素以进行拆分测试，而无需 IT 的帮助。

确保您的原始点击后登录页面保持不变。 否则，您的测试基准将不准确。

5. 消除混杂变量

不幸的是，您的测试不是在真空中进行的。 这意味着一个小的外部因素可能会对您的测试产生很大的影响，这可能会导致误导性的结果。

确保两个页面的流量来源和引荐广告等内容相同，并尽可能消除可能影响测试的其他变量。 以下是您需要考虑考虑的一些事项：

请记住，虽然最好在开始时解决这些问题，但您必须始终注意它们。 准确结果的障碍可能会在您最意想不到的时候出现。

6. 确保一切正常

在您的测试上线之前检查所有内容。 您的点击后登录页面在每个浏览器中看起来都一样吗？ 你的 CTA 按钮有效吗？ 您广告中的所有链接都正确吗？

在开始运行任何东西之前，务必对营销活动的各个方面进行质量检查，以确保不会对结果的准确性造成任何威胁。

7. 为您的网页增加流量

现在是时候为您的网页增加流量了。 正如我们之前提到的，确保流量来自同一个地方（当然，除非您对流量来源或广告进行拆分测试）。 并注意流量来自何处。 所谓的“选择效应”描述了流量的来源以及它如何影响测试结果。 CXL 的 Peep Laja 详细说明：

“例如：您将促销流量从您的电子邮件列表发送到您正在运行测试的页面。 订阅您列表的人比普通访问者更喜欢您。 所以现在您优化页面（例如点击后登录页面、产品页面等）以处理您的忠实流量，认为它们代表总流量。 但这种情况很少见！”

选择流量来源后，继续运行测试，直到达到您在两个页面（原始页面和控制页面）的预测试计算中确定的样本大小。 而且，如果您在不到一周的时间内达到该数字，请继续进行测试。

为什么？

因为一周中的几天对转换有重大影响。 有时您的访问者会比其他人更容易接受您的营销信息。

如果您已经达到了您的样本量并运行了至少整整一周的测试，同时考虑了可能会毒害您的数据的混杂变量，那么现在是查看结果的时候了。

8、分析优化

你的变化票价如何？ 你生产了一个大电梯吗？ 一个小的？

请记住，如果您将最小可检测效果设置为 20%，并且您产生的提升小于该值，则您不能确信提升是您调整的结果。

如果你确实制造了比这更大的电梯，恭喜！ 您现在已完成优化...

不是。

仅仅因为您的点击后登录页面比以前更好，并不意味着它可能是最好的。 总有一些东西要测试。 没有任何活动是完美的。

如果你没有产生提升，或者实际上创造了更糟糕的变化，不要紧张。 你没有失败。 您刚刚发现了一些不会影响您网页上的转化的内容。 继续并继续测试。

您是否尝试过拆分测试？

我们可能只是将看似简单的事情变成了一种听起来比实际复杂得多的优化方法。 幸运的是，借助 Instapage 等拆分测试工具，您可以快速创建点击后登录页面的变体以进行测试，而无需 IT，并使用业界最先进的分析仪表板在一处进行分析。

你还在等什么？ 立即注册 Instapage Enterprise 演示。