多变量测试和 A/B 测试：了解差异

[nurnobi40]

应用测试来检验研究和分析中产生的假设是转化优化 (CRO) 日常流程的一部分。多变量测试是一种具有一些特殊性的测试类型，不应与我们习惯于在这里讨论并举例说明的 A/B 测试相混淆。

了解如何区分这些测试方式，甚至知道使用每种测试方式的正确时间，对于获得最佳结果非常重要。考虑到这一点，今天我们将稍微讨论一下这些测试，并解释它们的差异，以便您在执行转化优化 (CRO) 策略时不会犯错误。

首先，让我们回顾一下 A/B 测试是什么：

什么是 A/B 测试户对同一页面的两个不同版本的 亚美尼亚手机号码列表 行为如何。这些版本是通过进行研究和分析后产生的假设创建的，以了解和了解有关界面中用户的更多信息，从而采取专注于更好体验的行动。

在CRO（转换优化）中，这是生成假设并通过数据证明它们的最重要的工具之一。此外，我们还考虑了一些方法，使界面对用户来说更简单、更直观，这有助于带来流畅的体验，从而产生更多的销售和转化。

在 A/B 测试中，我们使用该页面更改后的“B”版本来测试页面的版本“A”：


了解有关 A/B 测试及其运行方法的更多信息

什么是多变量测试
一般来说，多变量测试（也称为 MVT）包括同时测试同一页面的多项更改，所有这些更改都是同一实验的一部分。这样，在测试结束时，将同时测试两个以上的版本。

为了更好地理解，请参阅以下公式，用于计算运行给定的多变量测试需要多少个版本：

（第一个元素的变体数量）x（第二个元素的变体数量）=要测试的版本总数。

请参阅下面的多变量测试示例。假设您想测试页面的不同标题和 CTA。要在这种情况下创建多变量测试，您需要创建 2 个标题和 2 个不同的 CTA，然后使用的测试工具将进行所有可能的相互组合，从而执行多变量测试并了解每种组合的效果会表现。


版本 1：测试标题 1 + CTA 1 = 结果 1
版本 2：测试标题 2 + CTA 1 = 结果 2
版本 3：测试标题 1 + CTA 2 = 结果 3
版本 4：测试标题 2 + CTA 2 = 结果 4
在此多变量测试中，您将获得同一测试的四个不同结果。

何时使用多变量测试与何时使用 A/B 测试
在选择策略中使用的最佳测试类型之前，您需要对整个场景进行评估，因为多变量测试有一些局限性。

需要考虑的一个非常重要的一点是，多变量测试需要页面具有更大的流量才能进行，因为结果将取决于大量样本进行验证并达到统计显着性。

在测试任何内容之前，有必要根据数据提出假设，以了解如何为用户改进该平台。只有这样才能做出有效的决策并产生经过验证的结果。

重要的是要记住，A/B 测试和多变量测试都只是转化优化过程的一部分，其中包含丰富的对用户的分析、研究和了解，不应仅仅基于测试阶段。

真正丰富的测试结果将取决于优化过程的整个上下文，因此我建议阅读这篇文章，它将帮助您充分利用 A/B 测试。

对于那些想要深入研究测试领域的人，请立即下载我们的清单以进行高效的 A/B 测试。实用且具有解释性的列表，其中包含创建具有最大效益的高效 A/B 测试的所有步骤。