要进行 A/B 测试，你需要使用一种可以将整个受众分成几部分并据此计算具体数据的工具。在你拥有足够资源的情况下，你就能自己制造这样的武器。在相反的情况下，使用外部的工具。例如，Google Analytics 可以帮助解决这个问题。还有一些专测试转为自动模式。假设是 Google Analytics 实验。
也讀吧！
“营销策略的例子：从苹果到 美国号码数据 唐纳德特朗普。 2025 年展望»
阅读更多
A/B 测试的工作原理
我们想象一下以下情况：项目正在运行，它拥有在资源内积极操作的用户。一段时间过去了，作为所有者，您决定实施一些变更。例如，创建一个会弹出的小部件。其目的：订阅新闻。
想法仅仅是想象中的一个想法 他们相信关键路径的不可侵犯性 。如果你从逻辑上思考，访问者将能够使用弹出小部件快速、方便地接收有关新闻更新的通知。预计您的资源的订阅者数量将会增加。
然而，我们不应过早下结论。 意大利电话号码 首先，我们需要记住，我们的假设并不总是与消费者的愿望相符。你想到的想法不一定能引起观众的共鸣。要检查开发人员和用户心中的趋势是否一致，可以采取 A/B 测试。
这没有什么复杂的。用户被随机分成几部分。一端为控件，不做任何更改地接收内容。所有其他部分的成功都将以此来衡量。另一部分接收转换后的资源。
为了确保最准确的结果，两组观众应该相互隔离。此条件是通过浏览器 cookie 中的段标签来满足的。
不幸的是，实现平等是不可能的，因此选择了相对指标。它们并不具有与之相关的绝对价值。该标准是根据访客数量或浏览量来计算的。通常，选择平均检查数或 CTR 链接作为指标。
此外，如果计划对网站界面或平台进行彻底的改变，就不可能按比例分配流量。一些有影响的变化包括增加弹出窗口和改造导航系统。发生这种情况是因为这些变化既有积极的影响，也有消极的影响。
如果开发人员对访问者的反应有疑问，那么对于测试模式，有必要选择不是很多的受众，并且只有在没有负面结果（以用户流出的形式）的情况下才有可能增加测试的部分。