8.1. 购物流程优化试验

购物流程优化试验

试验场景

本例介绍的试验场景是购物流程的优化，即在流程中某一个环节进行AB测试，进而统计流程中关键环节的转化，从而进行优化决策。本例使用方法同样适用于如投资流程、注册流程的优化等等。本例的目的是为了展示当试验涉及多个页面时，如何进行试验操作。

试验方案

对于某电商网站首页，对轮播图进行AB测试： 原始版本

试验版本

试验指标

关注的指标是：

1.首页轮播图转化

2.在产品浏览页，用户“立即购买”转化（通过首页轮播图点击进入）；

3.在产品详情页，用户“加入购物车”转化（通过产品浏览页点击产品进入）。

创建试验

创建试验版本

对于首页替换轮播图操作，可以通过AppAdhoc A/B Testing的可视化模式快速实现，一般步骤可以参考：Web/H5可视化试验创建试验版本。

对于其他的试验情形，如页面设计的大范围调整，可使用多链接模式或编程模式；如增加页面功能入口，可使用编程模式；

首页轮播图转化指标，可以通过可视化模式直接创建完成。 “立即购买”指标定义为：instant_buy。加入购物车指标定义为：add_cart，通过在平台添加编程指标完成

创建试验指标

首页轮播图转化指标，可以通过可视化模式直接创建完成。

“立即购买”指标定义为：instant_buy。加入购物车指标定义为：add_cart，通过在平台添加编程指标完成

代码集成

一般的Web SDK代码集成参考：Web SDK集成文档。这里指出本例中需要特殊处理的地方。

初始化SDK

由于本例是在多个页面进行试验，因此，在涉及到试验的页面，均需要添加初始化sdk代码。

而当涉及到多个页面的指标统计，需要在初始化时额外进行如下配置：

需要配置crossDomain域，这里填写二级域名，本例配置为：crossDomain: ‘jd.com’。

这个配置需要出现在所有参与试验的页面，包括试验版本页面，指标上报页面，不参与试验的页面不需要配置。

指标上报

对于产品浏览页和产品详情页的指标上报，按照下面的指标接口，在相应的页面正常上报点击次数即可。（AppAdhoc A/B Testing会对指标自动进行分版本统计）：

adhoc('track', ' instant_buy ', 1)

adhoc('track', ' add_cart ', 1)

注意：

• 如果是跳转链接的指标统计请参考使用文档。

  • 对于产品浏览页和产品详情页，当用户进入过试验页面（这里是首页），那么在半个小时内，用户从其他页面进入产品浏览页和产品详情页，并且触发指标，也会被统计。

    试验结果分析

  基本数据

  试验指标会以如下形式呈现

  1.这里提供了两类指标

  均值表示用户人均点击“点击购买”次数、“加入购物车”次数，即总点击次数/样本总数。

  转化率=转化人数/样本总数，转化人数表示有多少独立用户点击了“点击购买”、“加入购物车”，也就是这两个按钮的转化人数。

  2.数据科学性

  第一个值：+118.13%，表示试验版本人均点击或转化率较原始版本提升了118.13%。

  第二个区间：表示置信区间，表示有95%的概率，人均点击或转化率的提升值会在这个范围之内。

  3.对于判断试验版本的效果

  一方面，我们要从业务上去分析，是更加侧重点击转化还是人数转化；另一方面对于数据科学性，好的试验，置信区间是收敛的，这里收敛是指上下限的值同正或同负，而不是一正一负。当置信区间收敛时，我们就可以初步判断到底试验版本好还是坏。更多的数据解读可参考：如何用数据决策。

  多维度数据

  进一步，AppAdhoc A/B Testing提供多维度数据查看，也就是说，当对全体用户进行试验时，可以分不同维度来查看用户表现，比如：安卓版本，新用户/老用户，地域，年龄等等。

  

  在数据栏最下方，可以根据“用户自定义”维度和“系统自带”维度来查看用户数据。

  对于系统自带维度，可在这里查看包括哪些维度。对于自定义维度，可以通过SDK接口进行上报，具体上报方式可以参考"接入SDK"里各种类型试验的自定义受众。