公司的主题，需要找到该领域的专家资料以改进他们的界面

Kamal@

在不依赖假设的情况下创建测试 A/B 测试的口号如下：“没有假设就没有测试”。对于每个测试，您必须基于一个起始假设，该假设将在测试后得到验证或无效。要建立此假设，您必须依靠对数据的分析，例如网站流量数据、页面跳出率、产品转化率或热图数据或所进行的调查。例如，您可以假设由于要填写的字段太多而对表单的验证很少，那么您可以使用现有表单和字段较少的另一个版本的表单运行 A/B 测试，然后查看如果你的假设得到证实。 3. 对没有足够流量的站点进行 A/B 测试 您需要在足够大的人群中进行测试。

这样 A/B 测试才真正有意义。这与调查的原则完全相同。如果 新西兰电话号码 您对 10 个人进行调查，它的价值将与对 1000 人的价值不同。因此，必须有足够数量的数据才能得出结论，这就是为什么 A/B 测试更推荐用于具有大量流量的网页。 4. 在不同时期测试你的 2 个版本如果你在一个时期测试版本 A，然后在另一个时期测试版本 B，它就不再是 A/B 测试。事实上，为了获得正确的结果，您必须同时测试两个版本，将流量分配到每个变体上。此外，如果您在没有任何特定事件的描述为“平静”的时期内测试版本 A。



而在学校假期或年终庆祝活动期间测试版本 B，则结果可能有偏差，因为观众的行为可能完全不同。这就是为什么必须同时启动两个版本的原因。 5. 想同时测试太多变量 不要太“贪心”，先测试一个变量。如果您同时测试太多变量，您将很难在 A/B 测试结束时得出可靠的结论，因为您可能无法确定哪个变量实际影响了记录的性能。如果要在单个页面上测试多个项目变量，请连续执行多个测试，而不是对多个项目进行更改的单个测试。对于更复杂的测试，有必要选择一些 A/B 测试解决方案所建议的多变量测试。