A/B 分類測(cè)試
A/B分類測(cè)試使得網(wǎng)站可以通過(guò)比較同一網(wǎng)頁(yè)的不同設(shè)計(jì),來(lái)決定其中哪些設(shè)計(jì)將產(chǎn)生最好的結(jié)果。在A/B測(cè)試中用到的指標(biāo)是微觀和宏觀的轉(zhuǎn)化率。
隨著那些不需要太多開(kāi)發(fā)協(xié)助和技術(shù)資源就能運(yùn)作A/B測(cè)試的工具的出現(xiàn),A/B測(cè)試已經(jīng)變得愈加常見(jiàn)。這個(gè)方法本在市場(chǎng)營(yíng)銷從業(yè)者中有著很穩(wěn)的立腳點(diǎn),而因?yàn)槌杀鞠鄬?duì)較低,它也正在越來(lái)越廣泛地被用戶體驗(yàn)設(shè)計(jì)師們所運(yùn)用。
許多大型電子商務(wù)網(wǎng)站如谷歌及亞馬遜都以“總在測(cè)試中”而著稱——他們?cè)谌魏螘r(shí)候都同時(shí)進(jìn)行著多組A/B測(cè)試。
(來(lái)自Netflix分享ppt)
無(wú)用輸入,無(wú)用輸出(GIGO)
使用恰當(dāng)時(shí),A/B測(cè)試是一個(gè)非常強(qiáng)大的工具。然而以下三種情形下的A/B測(cè)試還是會(huì)有潛在的問(wèn)題:
1)當(dāng)所要測(cè)試的設(shè)計(jì)元素并沒(méi)有很好地體現(xiàn)設(shè)計(jì)意圖。
糟糕的設(shè)計(jì)會(huì)導(dǎo)致糟糕的轉(zhuǎn)換率——顯而易見(jiàn)。但是,每個(gè)設(shè)計(jì)都是一個(gè)產(chǎn)品概念的后續(xù)執(zhí)行,因而通過(guò)設(shè)計(jì)的實(shí)施來(lái)評(píng)判一個(gè)產(chǎn)品概念本身的優(yōu)劣是很可笑的。通常要經(jīng)過(guò)許多次設(shè)計(jì)嘗試才能充分地體現(xiàn)出真正的設(shè)計(jì)意圖。
比如說(shuō),從理論上講,增加對(duì)某一選項(xiàng)的說(shuō)明會(huì)增加其被選擇的可能性,然而如果這條描述表達(dá)得像一則廣告,用戶就可能會(huì)無(wú)視。這個(gè)增加選項(xiàng)的說(shuō)明的設(shè)計(jì)意圖是對(duì)的,但其表達(dá)形式卻是錯(cuò)的。因此設(shè)計(jì)意圖和設(shè)計(jì)結(jié)果的偏差可能會(huì)是致命的。
當(dāng)設(shè)計(jì)元素本身并不能告訴你問(wèn)題的源頭在哪。對(duì)問(wèn)題起因的錯(cuò)誤推測(cè),也會(huì)讓你在錯(cuò)誤的設(shè)計(jì)元素上浪費(fèi)時(shí)間,因?yàn)樵撛夭⒎鞘窃搯?wèn)題背后真正的原因。即便修改這個(gè)設(shè)計(jì)元素也不能真正解決問(wèn)題,因?yàn)槟愕那腥朦c(diǎn)一開(kāi)始就錯(cuò)了。
比如,你可能猜測(cè)一個(gè)貸款申請(qǐng)?zhí)峤晦D(zhuǎn)化率低是因?yàn)榱鞒痰捻?yè)面太多了,所以你把它濃縮到一個(gè)頁(yè)面里,但是你仍看不到任何轉(zhuǎn)化率的提升。你忽略的是,用戶真正的問(wèn)題是找不到貸款利率,而他們點(diǎn)進(jìn)申請(qǐng)頁(yè)面其實(shí)是為了找貸款利率。
2)當(dāng)設(shè)計(jì)只是設(shè)計(jì)者的主觀猜想。
使用A/B測(cè)試時(shí)你只能從已提供的設(shè)計(jì)選項(xiàng)中找到最佳的那個(gè)。如果這些選項(xiàng)是基于主觀經(jīng)驗(yàn)和意見(jiàn)的話,誰(shuí)又能說(shuō)這個(gè)測(cè)試包含了最優(yōu)的設(shè)計(jì)呢?
3)這些A/B測(cè)試實(shí)驗(yàn)過(guò)程當(dāng)中的瑕疵可以通過(guò)用戶研究來(lái)減少。
即使只實(shí)施了些許的用戶研究,我們?nèi)阅塬@取一些極其寶貴的有關(guān)于轉(zhuǎn)化率問(wèn)題的潛在原因的線索。
發(fā)現(xiàn)真正原因,定義更好的設(shè)計(jì)
發(fā)現(xiàn)(造成轉(zhuǎn)化率低的)真正原因,定義更好的(用于測(cè)試的)設(shè)計(jì)。
“實(shí)驗(yàn)可以證實(shí)一個(gè)理論,但實(shí)驗(yàn)永遠(yuǎn)無(wú)法創(chuàng)造出一個(gè)理論。 ”——愛(ài)因斯坦
要保證A/B測(cè)試執(zhí)行得好,需要定義以下這幾步:
你可以先集中全部精力建立一套致因體系,并羅列設(shè)計(jì)元素的可能性,然后用A/B方法把他們?nèi)繙y(cè)試一遍:這是最直接了當(dāng)卻不免有一些魯莽的方法。不經(jīng)深思熟慮的 A/B測(cè)試等同于把想法往墻上扔然后看哪個(gè)能黏住。不幸的是,你做不起這樣的測(cè)試:這樣大規(guī)模地測(cè)試會(huì)增大用戶放棄操作的幾率,并且使總體驗(yàn)變?cè)愀狻?/p>
當(dāng)你等著從大量A/B測(cè)試像抽中彩票一樣找到最好的方案,用戶可能已經(jīng)轉(zhuǎn)而使用了他們第二選擇的產(chǎn)品,他們可能最終認(rèn)定你的網(wǎng)站是失敗的,以后再也不會(huì)來(lái)了。你需要縮小假設(shè)的數(shù)量范圍,并且小心謹(jǐn)慎、高效地部署你的A/B測(cè)試;為達(dá)到此目的,我們推薦使用用戶研究的方法。
提升最優(yōu)化測(cè)試的用戶體驗(yàn)研究方法
1)定義用戶意圖和可能反對(duì)的理由
理解人們?yōu)楹卧L問(wèn)、是否能成功訪問(wèn)、和他們?yōu)楹螘?huì)離開(kāi),是相當(dāng)重要的。
如果你錯(cuò)誤地假設(shè)了人們?cè)L問(wèn)網(wǎng)站的原因,那么你的設(shè)計(jì)假設(shè)將不能夠反應(yīng)用戶對(duì)環(huán)境的感知。沒(méi)有做過(guò)調(diào)查就對(duì)用戶離開(kāi)的原因做假設(shè)是很危險(xiǎn)的。
舉個(gè)例子,假定你假設(shè)訪問(wèn)者沒(méi)有做意想中的操作(買單)是因?yàn)閮r(jià)格太高,你于是將價(jià)格降低,邊際利潤(rùn)就受到了打擊。如果人們真正不買賬的原因不是價(jià)格,而是他們不理解你提供的服務(wù)能解決什么,那么你就大錯(cuò)特錯(cuò)了。
讓我們來(lái)看看Netflix是怎么做的:
Netflix就做了一個(gè)很有趣的A/B測(cè)試來(lái)了解影響轉(zhuǎn)化率的因素。Netflix的主頁(yè)上展示了大量的影視作品,然而不同用戶所看到的是不一樣的。作為其A/B測(cè)試的一部分,這是該公司對(duì)用戶提供的個(gè)性化推薦。不僅如此,Netflix更對(duì)看到同一個(gè)影視產(chǎn)品推薦的用戶進(jìn)行了分批測(cè)試。他們讓視覺(jué)設(shè)計(jì)師重新設(shè)計(jì)了不同版本的影視劇海報(bào),并將這一變量用于A/B測(cè)試。得到的結(jié)果是,即便是同一個(gè)作品,不同的海報(bào)仍會(huì)造成不同的轉(zhuǎn)化率。這就印證了造成用戶離開(kāi)或點(diǎn)擊的理由是多樣化的。
因此不要局限于那些明顯的理由,而要深掘用戶可能關(guān)注的點(diǎn)。有時(shí)候用戶說(shuō)的不一定是他們所做的,所以往往觀察比問(wèn)卷調(diào)查能提供更為真實(shí)的用戶使用傾向。
(圖片來(lái)自Netflix博客)
(圖片來(lái)自Netflix博客;右上的兩張標(biāo)注的圖片顯著地提高了轉(zhuǎn)化率)
2)發(fā)現(xiàn)界面的缺陷
如果你忽視了重大的可用性問(wèn)題,比如讓人難以理解的交互流程,或容易造成誤解的微交互,那么你可能不會(huì)從不斷的A/B測(cè)試中獲得轉(zhuǎn)化率的提升,因?yàn)槟愕脑O(shè)計(jì)并沒(méi)有應(yīng)對(duì)問(wèn)題的根源。
舉個(gè)例子:如果你提供的填空題中有幾項(xiàng)要求的信息是用戶不方便或不愿意提供的,那么僅僅靠更改提交按鍵的顏色來(lái)做A/B測(cè)試是不會(huì)有效提升轉(zhuǎn)化率的,反而是浪費(fèi)力氣。理解低轉(zhuǎn)化率的真正原因才是執(zhí)行智慧、成功的測(cè)試的關(guān)鍵。
如何發(fā)掘界面的缺陷:可用性測(cè)試(遠(yuǎn)程主持或免主持,或當(dāng)面)可以快速進(jìn)行并可在五個(gè)左右用戶的幫助下就揭露網(wǎng)站近85%的重大缺陷。
3)衡量網(wǎng)站的可尋性
測(cè)試導(dǎo)航標(biāo)簽和菜單設(shè)計(jì)能披露可尋性的問(wèn)題。但是,糟糕的可尋性可以并且應(yīng)該在實(shí)施A/B測(cè)試之前就確認(rèn),這直接影響了信息架構(gòu)和站內(nèi)導(dǎo)航。
如何衡量可尋性:樹(shù)圖測(cè)試可以在不影響任何界面設(shè)計(jì)的情況下測(cè)量一個(gè)已有的或設(shè)定的信息架構(gòu)。樹(shù)圖測(cè)試會(huì)告訴你標(biāo)簽、鏈接分組、頁(yè)面層級(jí)及命名系統(tǒng)是否直觀。如果你在糾結(jié)如何命名網(wǎng)站中的區(qū)塊、頁(yè)面、鏈接以及標(biāo)簽,樹(shù)形測(cè)試能幫你找出最有問(wèn)題的命名,并幫你設(shè)計(jì)出能改善可尋性的新標(biāo)簽。樹(shù)圖測(cè)試可以用Optimal Workshop開(kāi)發(fā)的Treejack這樣的工具進(jìn)行,它生成可用于測(cè)試信息架構(gòu)的任務(wù)。
3)測(cè)試前先”鋪好路”
最簡(jiǎn)單的方法,就是開(kāi)始在A/B測(cè)試前,先把那些可能會(huì)影響用戶操作的絆腳石解決掉。一般幾個(gè)小時(shí)的測(cè)試即能揭露幾乎所有你網(wǎng)站上特別糟糕的設(shè)計(jì)。更為復(fù)雜和完善的用戶研究當(dāng)然益處更多,但不要忽視了最基本的審查清理工作。
對(duì)A/B測(cè)試而言,你當(dāng)然希望所要測(cè)試的目標(biāo)元素不會(huì)受到其它可用性問(wèn)題的干擾,而是能被用戶更好的體驗(yàn)到。所以開(kāi)始測(cè)試前先做一次“路障清理”吧。
結(jié)語(yǔ)
結(jié)合不同方法最大化轉(zhuǎn)化率。
A/B測(cè)試是一個(gè)絕妙的工具,卻時(shí)常不幸被誤用。如果用A/B測(cè)試替代用戶研究,那么測(cè)試中的設(shè)計(jì)選項(xiàng)本質(zhì)上只是主觀猜測(cè)。你可以通過(guò)結(jié)合用戶研究來(lái)更精準(zhǔn)的找到問(wèn)題起因、提出更符合現(xiàn)實(shí)的假設(shè),從而為更好的測(cè)試結(jié)果提供更大的可能。
英文原文:Jennifer Cardello, Define Stronger A/B Test Variations Through UX Research.
本文編譯:霍詩(shī)雨(點(diǎn)融黑幫),來(lái)自點(diǎn)融DDC設(shè)計(jì)團(tuán)隊(duì)的交互設(shè)計(jì)師,曾在紐約大學(xué)研習(xí)藝術(shù)史。熱愛(ài)游戲,信仰中醫(yī),關(guān)注時(shí)事。
本文由@點(diǎn)融黑幫(ID:DianrongMafia)原創(chuàng)發(fā)布于36Kr,未經(jīng)許可,禁止轉(zhuǎn)載。
A/B 分類測(cè)試
A/B分類測(cè)試使得網(wǎng)站可以通過(guò)比較同一網(wǎng)頁(yè)的不同設(shè)計(jì),來(lái)決定其中哪些設(shè)計(jì)將產(chǎn)生最好的結(jié)果。在A/B測(cè)試中用到的指標(biāo)是微觀和宏觀的轉(zhuǎn)化率。
隨著那些不需要太多開(kāi)發(fā)協(xié)助和技術(shù)資源就能運(yùn)作A/B測(cè)試的工具的出現(xiàn),A/B測(cè)試已經(jīng)變得愈加常見(jiàn)。這個(gè)方法本在市場(chǎng)營(yíng)銷從業(yè)者中有著很穩(wěn)的立腳點(diǎn),而因?yàn)槌杀鞠鄬?duì)較低,它也正在越來(lái)越廣泛地被用戶體驗(yàn)設(shè)計(jì)師們所運(yùn)用。
許多大型電子商務(wù)網(wǎng)站如谷歌及亞馬遜都以“總在測(cè)試中”而著稱——他們?cè)谌魏螘r(shí)候都同時(shí)進(jìn)行著多組A/B測(cè)試。
(來(lái)自Netflix分享ppt)
無(wú)用輸入,無(wú)用輸出(GIGO)
使用恰當(dāng)時(shí),A/B測(cè)試是一個(gè)非常強(qiáng)大的工具。然而以下三種情形下的A/B測(cè)試還是會(huì)有潛在的問(wèn)題:
1)當(dāng)所要測(cè)試的設(shè)計(jì)元素并沒(méi)有很好地體現(xiàn)設(shè)計(jì)意圖。
糟糕的設(shè)計(jì)會(huì)導(dǎo)致糟糕的轉(zhuǎn)換率——顯而易見(jiàn)。但是,每個(gè)設(shè)計(jì)都是一個(gè)產(chǎn)品概念的后續(xù)執(zhí)行,因而通過(guò)設(shè)計(jì)的實(shí)施來(lái)評(píng)判一個(gè)產(chǎn)品概念本身的優(yōu)劣是很可笑的。通常要經(jīng)過(guò)許多次設(shè)計(jì)嘗試才能充分地體現(xiàn)出真正的設(shè)計(jì)意圖。
比如說(shuō),從理論上講,增加對(duì)某一選項(xiàng)的說(shuō)明會(huì)增加其被選擇的可能性,然而如果這條描述表達(dá)得像一則廣告,用戶就可能會(huì)無(wú)視。這個(gè)增加選項(xiàng)的說(shuō)明的設(shè)計(jì)意圖是對(duì)的,但其表達(dá)形式卻是錯(cuò)的。因此設(shè)計(jì)意圖和設(shè)計(jì)結(jié)果的偏差可能會(huì)是致命的。
當(dāng)設(shè)計(jì)元素本身并不能告訴你問(wèn)題的源頭在哪。對(duì)問(wèn)題起因的錯(cuò)誤推測(cè),也會(huì)讓你在錯(cuò)誤的設(shè)計(jì)元素上浪費(fèi)時(shí)間,因?yàn)樵撛夭⒎鞘窃搯?wèn)題背后真正的原因。即便修改這個(gè)設(shè)計(jì)元素也不能真正解決問(wèn)題,因?yàn)槟愕那腥朦c(diǎn)一開(kāi)始就錯(cuò)了。
比如,你可能猜測(cè)一個(gè)貸款申請(qǐng)?zhí)峤晦D(zhuǎn)化率低是因?yàn)榱鞒痰捻?yè)面太多了,所以你把它濃縮到一個(gè)頁(yè)面里,但是你仍看不到任何轉(zhuǎn)化率的提升。你忽略的是,用戶真正的問(wèn)題是找不到貸款利率,而他們點(diǎn)進(jìn)申請(qǐng)頁(yè)面其實(shí)是為了找貸款利率。
2)當(dāng)設(shè)計(jì)只是設(shè)計(jì)者的主觀猜想。
使用A/B測(cè)試時(shí)你只能從已提供的設(shè)計(jì)選項(xiàng)中找到最佳的那個(gè)。如果這些選項(xiàng)是基于主觀經(jīng)驗(yàn)和意見(jiàn)的話,誰(shuí)又能說(shuō)這個(gè)測(cè)試包含了最優(yōu)的設(shè)計(jì)呢?
3)這些A/B測(cè)試實(shí)驗(yàn)過(guò)程當(dāng)中的瑕疵可以通過(guò)用戶研究來(lái)減少。
即使只實(shí)施了些許的用戶研究,我們?nèi)阅塬@取一些極其寶貴的有關(guān)于轉(zhuǎn)化率問(wèn)題的潛在原因的線索。
發(fā)現(xiàn)真正原因,定義更好的設(shè)計(jì)
發(fā)現(xiàn)(造成轉(zhuǎn)化率低的)真正原因,定義更好的(用于測(cè)試的)設(shè)計(jì)。
“實(shí)驗(yàn)可以證實(shí)一個(gè)理論,但實(shí)驗(yàn)永遠(yuǎn)無(wú)法創(chuàng)造出一個(gè)理論。 ”——愛(ài)因斯坦
要保證A/B測(cè)試執(zhí)行得好,需要定義以下這幾步:
你可以先集中全部精力建立一套致因體系,并羅列設(shè)計(jì)元素的可能性,然后用A/B方法把他們?nèi)繙y(cè)試一遍:這是最直接了當(dāng)卻不免有一些魯莽的方法。不經(jīng)深思熟慮的 A/B測(cè)試等同于把想法往墻上扔然后看哪個(gè)能黏住。不幸的是,你做不起這樣的測(cè)試:這樣大規(guī)模地測(cè)試會(huì)增大用戶放棄操作的幾率,并且使總體驗(yàn)變?cè)愀狻?/p>
當(dāng)你等著從大量A/B測(cè)試像抽中彩票一樣找到最好的方案,用戶可能已經(jīng)轉(zhuǎn)而使用了他們第二選擇的產(chǎn)品,他們可能最終認(rèn)定你的網(wǎng)站是失敗的,以后再也不會(huì)來(lái)了。你需要縮小假設(shè)的數(shù)量范圍,并且小心謹(jǐn)慎、高效地部署你的A/B測(cè)試;為達(dá)到此目的,我們推薦使用用戶研究的方法。
提升最優(yōu)化測(cè)試的用戶體驗(yàn)研究方法
1)定義用戶意圖和可能反對(duì)的理由
理解人們?yōu)楹卧L問(wèn)、是否能成功訪問(wèn)、和他們?yōu)楹螘?huì)離開(kāi),是相當(dāng)重要的。
如果你錯(cuò)誤地假設(shè)了人們?cè)L問(wèn)網(wǎng)站的原因,那么你的設(shè)計(jì)假設(shè)將不能夠反應(yīng)用戶對(duì)環(huán)境的感知。沒(méi)有做過(guò)調(diào)查就對(duì)用戶離開(kāi)的原因做假設(shè)是很危險(xiǎn)的。
舉個(gè)例子,假定你假設(shè)訪問(wèn)者沒(méi)有做意想中的操作(買單)是因?yàn)閮r(jià)格太高,你于是將價(jià)格降低,邊際利潤(rùn)就受到了打擊。如果人們真正不買賬的原因不是價(jià)格,而是他們不理解你提供的服務(wù)能解決什么,那么你就大錯(cuò)特錯(cuò)了。
讓我們來(lái)看看Netflix是怎么做的:
Netflix就做了一個(gè)很有趣的A/B測(cè)試來(lái)了解影響轉(zhuǎn)化率的因素。Netflix的主頁(yè)上展示了大量的影視作品,然而不同用戶所看到的是不一樣的。作為其A/B測(cè)試的一部分,這是該公司對(duì)用戶提供的個(gè)性化推薦。不僅如此,Netflix更對(duì)看到同一個(gè)影視產(chǎn)品推薦的用戶進(jìn)行了分批測(cè)試。他們讓視覺(jué)設(shè)計(jì)師重新設(shè)計(jì)了不同版本的影視劇海報(bào),并將這一變量用于A/B測(cè)試。得到的結(jié)果是,即便是同一個(gè)作品,不同的海報(bào)仍會(huì)造成不同的轉(zhuǎn)化率。這就印證了造成用戶離開(kāi)或點(diǎn)擊的理由是多樣化的。
因此不要局限于那些明顯的理由,而要深掘用戶可能關(guān)注的點(diǎn)。有時(shí)候用戶說(shuō)的不一定是他們所做的,所以往往觀察比問(wèn)卷調(diào)查能提供更為真實(shí)的用戶使用傾向。
(圖片來(lái)自Netflix博客)
(圖片來(lái)自Netflix博客;右上的兩張標(biāo)注的圖片顯著地提高了轉(zhuǎn)化率)
2)發(fā)現(xiàn)界面的缺陷
如果你忽視了重大的可用性問(wèn)題,比如讓人難以理解的交互流程,或容易造成誤解的微交互,那么你可能不會(huì)從不斷的A/B測(cè)試中獲得轉(zhuǎn)化率的提升,因?yàn)槟愕脑O(shè)計(jì)并沒(méi)有應(yīng)對(duì)問(wèn)題的根源。
舉個(gè)例子:如果你提供的填空題中有幾項(xiàng)要求的信息是用戶不方便或不愿意提供的,那么僅僅靠更改提交按鍵的顏色來(lái)做A/B測(cè)試是不會(huì)有效提升轉(zhuǎn)化率的,反而是浪費(fèi)力氣。理解低轉(zhuǎn)化率的真正原因才是執(zhí)行智慧、成功的測(cè)試的關(guān)鍵。
如何發(fā)掘界面的缺陷:可用性測(cè)試(遠(yuǎn)程主持或免主持,或當(dāng)面)可以快速進(jìn)行并可在五個(gè)左右用戶的幫助下就揭露網(wǎng)站近85%的重大缺陷。
3)衡量網(wǎng)站的可尋性
測(cè)試導(dǎo)航標(biāo)簽和菜單設(shè)計(jì)能披露可尋性的問(wèn)題。但是,糟糕的可尋性可以并且應(yīng)該在實(shí)施A/B測(cè)試之前就確認(rèn),這直接影響了信息架構(gòu)和站內(nèi)導(dǎo)航。
如何衡量可尋性:樹(shù)圖測(cè)試可以在不影響任何界面設(shè)計(jì)的情況下測(cè)量一個(gè)已有的或設(shè)定的信息架構(gòu)。樹(shù)圖測(cè)試會(huì)告訴你標(biāo)簽、鏈接分組、頁(yè)面層級(jí)及命名系統(tǒng)是否直觀。如果你在糾結(jié)如何命名網(wǎng)站中的區(qū)塊、頁(yè)面、鏈接以及標(biāo)簽,樹(shù)形測(cè)試能幫你找出最有問(wèn)題的命名,并幫你設(shè)計(jì)出能改善可尋性的新標(biāo)簽。樹(shù)圖測(cè)試可以用Optimal Workshop開(kāi)發(fā)的Treejack這樣的工具進(jìn)行,它生成可用于測(cè)試信息架構(gòu)的任務(wù)。
3)測(cè)試前先”鋪好路”
最簡(jiǎn)單的方法,就是開(kāi)始在A/B測(cè)試前,先把那些可能會(huì)影響用戶操作的絆腳石解決掉。一般幾個(gè)小時(shí)的測(cè)試即能揭露幾乎所有你網(wǎng)站上特別糟糕的設(shè)計(jì)。更為復(fù)雜和完善的用戶研究當(dāng)然益處更多,但不要忽視了最基本的審查清理工作。
對(duì)A/B測(cè)試而言,你當(dāng)然希望所要測(cè)試的目標(biāo)元素不會(huì)受到其它可用性問(wèn)題的干擾,而是能被用戶更好的體驗(yàn)到。所以開(kāi)始測(cè)試前先做一次“路障清理”吧。
結(jié)語(yǔ)
結(jié)合不同方法最大化轉(zhuǎn)化率。
A/B測(cè)試是一個(gè)絕妙的工具,卻時(shí)常不幸被誤用。如果用A/B測(cè)試替代用戶研究,那么測(cè)試中的設(shè)計(jì)選項(xiàng)本質(zhì)上只是主觀猜測(cè)。你可以通過(guò)結(jié)合用戶研究來(lái)更精準(zhǔn)的找到問(wèn)題起因、提出更符合現(xiàn)實(shí)的假設(shè),從而為更好的測(cè)試結(jié)果提供更大的可能。
英文原文:Jennifer Cardello, Define Stronger A/B Test Variations Through UX Research.
本文編譯:霍詩(shī)雨(點(diǎn)融黑幫),來(lái)自點(diǎn)融DDC設(shè)計(jì)團(tuán)隊(duì)的交互設(shè)計(jì)師,曾在紐約大學(xué)研習(xí)藝術(shù)史。熱愛(ài)游戲,信仰中醫(yī),關(guān)注時(shí)事。
本文由@點(diǎn)融黑幫(ID:DianrongMafia)原創(chuàng)發(fā)布于36Kr,未經(jīng)許可,禁止轉(zhuǎn)載。