A/B测试如何工作?

可以使用统计信息和分析来监控访问者的操作，以确定产生更高转换率的版本。 A/B测试结果通常以精美的数学和统计术语给出，但数字背后的含义其实很简单。 有两种重要的方法可以通过它们检查A/B测试的转换率 -

• 数据采样
• 置信区间

下面详细讨论这两种方法。

数据采样

样本数量取决于执行的测试次数。 转化率的计数称为样本，收集这些样本的过程称为采样。

示例

假设您有两种产品A和产品B，想要根据市场需求收集样品数据。 您可以要求几个人从产品A和产品B中进行选择，然后请他们参与调查。 随着参与者数量的增加，它将开始显示一个实际的转换率。

有各种工具可用于确定正确的样本数量。 下面是一个免费工具 - http://www.evanmiller.org

置信区间

置信区间是对多个样本数量的平均偏差的度量。 假设在上面的例子中有22%的人更喜欢产品A，置信区间为±2%。 此间隔表示选择产品A的人员的上限和下限，也称为误差范围。 为了在这项平均调查中取得最佳结果，误差应尽可能小。

示例

假设在产品B中，添加了一个小的改变，然后对这两个产品进行了A/B测试。 置信区间乘积A和B分别为10%±1%和20%±2%。 所以这表明，一个小的变化已经提高了转换率。 如果我们忽略误差幅度，测试变化A的转换率为10%，测试变化B的转换率为20%，即测试变化增加10%。

现在，如果将控制变化率的差值除以10%÷10%= 1.0 = 100%，则显示出100%的提高。 因此，可以说A/B测试是一种基于数学方法和分析的技术。 有各种在线工具可用于计算A/B的重要性。