在网站上下文中,这意味着该网站/网络应用程序的某些用户获得slightly修改版本,并验证与基线“控制”版本相比,每个修改如何影响可用性/用户行为。
与往常一样,A/B 测试是一种统计技术,您需要足够大的样本来正确评估变更的影响。
这是亚马逊和谷歌共同完成的知名网络公司之一 http://en.wikipedia.org/wiki/A/B_testing#Companies_well-known_for_using_A.2FB_testing.
关于网络 A/B 测试的一篇非常好的文章(从营销角度)是:http://www.clickz.com/3349901 http://www.clickz.com/3349901
为了完整起见,以下是 Wikipedia 中完整的 A/B 测试定义:
A/B 测试或桶测试是
营销测试方法
基线对照样本与
多种单变量检验
样品以提高响应
费率。经典的直邮策略,
这个方法最近被采用了
在互动空间内进行测试
横幅广告、电子邮件等策略
登陆页面。
可以看到显着的改进
通过测试诸如复制之类的元素
文本、布局、图像和颜色。
然而,并非所有元素都会产生
相同的改进,并通过查看
不同测试的结果,
可以识别那些元素
始终倾向于产生
最大的改进。
采用这种 A/B 测试方法的雇主
将分发一个的多个样本
测试,包括对照,看看
哪个单变量最多
有效增加反应
率或其他期望的结果。这
测试为了有效,必须
达到足够规模的受众
有合理的机会
检测有意义的差异
控制策略和其他策略之间
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)