營銷人員在拆分測試時犯的 10 個巨大錯誤

對於任何企業來說，要想有效地運行，一個重要的部分是它的營銷分析和研究，許多企業家容易錯過。 僅銷售而不考慮有效和無效的趨勢決定了網站的增長。 它阻止了對密集市場研究的更深層次的要求，結果，從長遠來看，你會失去客戶。 進行客戶研究的最佳方法是拆分測試。

為什麼要拆分測試？

根據定義，拆分測試或 A/B 測試是一種進行受控但隨機實驗的方法，其最終目的是改善網站流量。 為了簡單起見，它是比較同一頁面的兩個版本來確定哪個更有效。 理想情況下，兩個版本之間只有一兩個差異，以準確確定有效性。

分析內容、點擊、表單完成和購買等常見操作，以查看哪些變體可以為預定義的營銷目標提供更好的結果。 使用的常見營銷方法是註冊表單、註冊頁面、號召性用語按鈕或重定向到不同頁面。 事實證明，即使是在 CTA 中更新一個單詞這樣微小的變化，也有助於將轉化率提高 77%。 這證明了進行拆分測試以提高營銷活動效果的重要性。

儘管聽起來很誘人，但有時營銷人員可能會抱怨得到錯誤的否定分析，甚至無法生成足夠的數據。 如果您對拆分測試感到不安，那麼您可能會以錯誤的方式進行測試。 以下列出了測試人員可能犯的 10 個最常見錯誤以及可能的修復方法。

值得了解的錯誤和修復

當測試人員試圖理解拆分分析時，可能會出現大量錯誤。 最常見的記錄如下。

1. 任意測試

大多數測試人員必然會遇到的最大問題是無緣無故地進行拆分測試。 例如，您可能對測試“號召性用語”按鈕的大小感到擔憂，在這種情況下，您可以設計具有特定焦點的變體。 如果您只是為了它而進行拆分測試，那麼請避免，因為您將注定要失敗。

解決方法：使用熱圖軟件發現關注度不高或流量不高的潛在區域。 進行拆分測試並首先形成假設。 現在進行試驗並確保在適當的時間階段進行試驗，比較新的熱圖數據集並進行分析。 不斷重複，直到獲得滿意的結果。

2. 提前取消考試

這是大多數測試人員必然會犯的一個大的新手錯誤。 假設您的網站進行了高流量，因此在拆分測試的 3 天內，您產生了 98% 的置信度和大約 250 次轉化，並且您完成了測試。 這是您測試得到假陽性結果的地方，因為您沒有考慮季節性參數，即使您在一周中的哪一天進行測試也可能導致測試曲線發生顯著變化。

解決方法：任何統計分析的另一個重要參數是樣本量。 為了獲得正確的結果，請確保您的樣本量足夠大，即。 100 或 1000 次轉換。 樣本量太小可能會導致錯誤的影響。

3. 多元素測試

網站熱圖分析可能表明需要關注的領域不止一個，但是同時進行多項測試最終無濟於事。

選擇拆分測試而不是多變量測試總是更好。 這是因為當您對僅在一個參數上有差異的兩個頁面進行拆分測試時，很容易判斷哪個頁面工作得更好。

修復：但是在多變量測試的情況下，假設您正在測試四個不同的網頁，其中兩個或三個參數不同。 在這種情況下，當您獲取數據時，您無法確定實際的決定因素。 在這種情況下，您必須比較所有頁面的數據，並分析不同參數之間的相關性。

4.只關注流量轉化

當您測試特定或幾個參數時，請確保根深蒂固，而不是只考慮短期。 這意味著，如果您發現某些更改正在您的網站上吸引更多流量，請不要對此感到自滿。 如果高流量包含低質量客戶，那麼這最終可能會對您的業務產生負面影響。

修復：因此，每當您選擇拆分測試時，請檢查您的轉化指標，然後將該流量與實際潛在客戶相關聯，並查看有多少潛在客戶產生。

5. 選擇隨機假設或只是盲目地遵循拆分測試實踐

如果沒有適當的假設，統計檢驗就沒有意義。 因此，在浪費時間進行測試之前，請確保您有一個正確的假設。 如果您不確定假設的可信度，請進行市場調查，分析您選擇的變量的結果，檢查競爭對手的策略，並了解您的目標客戶。

解決方法：在檢查競爭對手的策略時，請確保不要盲目跟隨他們。 對別人有用的東西不會對你有用。 檢查您的競爭對手的策略，但同時了解您自己的 USP 並據此制定策略。

6.消除混淆變量

混雜變量是那些不屬於您的重要假設參數並且可能會弄亂您的測試結果的元素。 其中一些包括新產品介紹、營銷活動啟動和網站重新設計。

當您在測試中間更改一些測試參數以產生更顯著的變化時，通常會發生這種情況。 這可能會從您的潛在目標池之外的地方產生流量。

修復：在執行拆分測試時，請確保消除此類混淆變量，並確保其餘因素在整個測試過程中保持不變。

7. 僅測試增量更改

大型網站的運營方式與其他小企業家需要處理的方式之間存在顯著差異。 對於大型網站，一些微小的增量更改可能會導致產生巨大的投資回報率。 但對於初創公司和小公司來說，這項活動可能不會產生預期的結果。 例如，測試網站或 CTA 按鈕的顏色及其各種色調是不太可行的，因為它對整個網站的整容幾乎沒有什麼影響。

解決方法：拆分測試提供了微小的改進，但在小型企業的情況下不會帶來顯著的營業額。 因此，不要只關注增量變化，而是關注巨大的性能提升。 需要的是在整體層面上進行徹底的改變。 這比狹窄的 A/B 測試技術更密集。 這可能需要重新設計一個重要的頁面，這可能需要大量的努力。 同樣重要的是要注意，由於要重新設計多個元素，在重新設計的頁面上線後，可能很難注意到哪個特定元素導致流量激增。

8.即使沒有任何流量也進行拆分測試

如果您只經營幾個月的業務，建議您在開始運行拆分測試之前獲得更高的流量。 對於初創公司和新企業來說，對少數 beta 用戶進行拆分測試將是無效的。 不同假設的檢驗是通過最佳樣本實現的具有統計意義的博弈。 但是，如果您沒有足夠的樣本，則無法實現這一基本目標。

解決方法：僅在滿足 3 個不同條件時才進行拆分測試

1-您有足夠的代表性樣本

測試需要運行 3-4 週，以滿足不同的銷售期。 在此之前取消測試不會描述通用測試，而是會顯示選擇性/循環測試結果。

2-您有足夠的樣本量

擁有超過 1000 筆交易（潛在客戶、註冊或訂閱）的網站可以在一個月內進行一次 A/B 測試以提高流量。 轉化率、總訪問次數和總交易量等因素將決定樣本量應為多少。

3- 當你達到 p 值時

一旦滿足第 2 點和第 3 點，查看 p 值就很重要（根據一個常見的誤解，p 值不是 B 大於 A 的概率）。 通常，可接受的顯著性水平為 5%（或 20 次中有 1 次，假設零假設為真，樣本將顯示極端結果）

9. 測試未運行整週

對於拆分測試以產生正確的結果，季節性、每週甚至晝夜參數都很重要。 因此，應仔細選擇拆分測試所需的時間。 不考慮整週測試會扭曲結果，這可能會顯示測試結果的正確圖片

解決方法：例如，如果您是電子商務網站所有者，那麼在周末您的目標人群更傾向於您的產品，而在周一或工作日的高峰時段，您的網站可能不會產生適當的流量。 因此，請確保您在考試開始的同一天結束考試。 這可確保您在一次迭代中測試一整週。 這也符合我們之前的建議——運行 2-3 週的測試

10. 測試數據未發送到 Google Analytics

轉換指標通常顯示平均數據，而在營銷平均值的世界中則謊言。 如果您只使用百分比數據，您永遠無法全面了解。 這是因為時間、季節性、晝夜階段和許多其他因素有助於正確的客戶圖表。

解決方法：因此，如果您處理了大量數據，請將其發送到 Google Analytics。 運行高級細分和自定義報告。 結果將向您展示運行高級測試的路徑，您可能會了解從那裡進行站點測試的位置。 利用新的 GA 功能，營銷人員可以運行多達 20 個並發 A/B 測試數據分析。 確保為一個活動實驗使用不同的自定義維度（或 GA 經典模式中的自定義變量）。 Optimizely Classic 等工具可以在這種情況下提供幫助。

把它們加起來

營銷和業務分析以它們自己的方式非常複雜。 因此，不要檢查其他人在做什麼或使用最常見的測試策略，而是走明智的路線並採用具有成本效益的 A/B 測試來提高營銷策略的投資回報率。