3.4　实战：从零开始一次 A/B测试 // 96

第 4章　A/B测试的完整解决方案 // 110

4.1　行业： A/B测试在各行业的应用 // 110

4.1.1　电商经典案例 // 110

4.1.2　金融经典案例 // 113

4.1.3　教育经典案例 // 115

4.1.4　旅游经典案例 // 117

4.1.5　消费品牌经典案例 // 120

4.1.6　其他行业（UGC、PGC、媒体网站、SaaS）// 124

4.2　场景： A/B 测试在各种业务场景中的应用 // 132

4.2.1　着陆页优化 // 133

4.2.2　App优化 // 139

4.2.3　网站体验优化 // 145

4.2.4　技术优化 // 148

4.2.5　算法优化 // 151

4.2.6　基于 A/B测试的高效科学运营系统 // 154

4.3　人群： A/B测试是创新人才的**技能 // 156

4.3.1　决策 // 157

4.3.2　产品 // 160

4.3.3　运营 // 166

4.3.4　市场 // 172

4.3.5　技术 // 174

第 5章　试验星火，终会燎原 // 178

5.1　人工智能 // 179

5.2　新零售 // 182

5.3　AR、VR、新硬件 // 184

5.4　区块链 // 186

5.5　智慧城市 // 187

附　　录 // 191

附录 A　AARRR模型的介绍 // 191

附录 B　A/B测试术语表 // 194

附录 C　A/B测试需求分析模板 // 202

附录 D　试验档案表格 // 203

附录 E　快速上手一个试验模板 // 204

扫封面上作者简介处的二维码，可免费获取书中所有模板。

A/B测试:创新始于试验 节选

第 2章　A/B测试是成功的试验方法
2.1　互联网时代的 A/B测试
我们在前文讨论了驱动创新的试验精神和试验思维，特别是试验实践在互联网行业获得了巨大的成功，带来了巨大的商业价值。
在绝大多数传统商业模式里，产品的生产者和用户之间有层层隔阂。业务上的试验只能更多聚焦在市场营销和销售渠道，而针对产品策略的试错往往要经过深思熟虑，节奏缓慢。
互联网行业几乎完全消除了产品与用户之间的隔阂，极大地方便了互联网企业针对*终用户做大量深度的试验。这是试验驱动创新在互联网行业大获成功的关键因素。
通过多年的探索，我们已经找到了成功的试验落地形式。
如前文所述， MVP（*小可行性产品）是互联网创业项目*常见的试验方法。在商业模式还没有被完全验证的早期阶段，用*少的投入做出*小可用的产品，然后投放市场获得用户反馈。这种试验可能会得到很多负面反馈，比如产品 Bug多、功能缺少、体验差。但是 MVP试验能帮助我们用*快的效率验证市场需求，发掘商业机会，实现从 0到 1。
A/B测试是适合于成长期和成熟期的产品的试验方法。互联网业务场景实施 A/B测试的效率很高，价值很大，可以实现控制风险、高频试错、快速迭代、爆发增长。在业务实践中， A/B测试结论精确，不容易出错，可执行性很强。对于已经获得投资的企业来说，A/B测试是必须采用的试验方法。本书后续章节的重点都会围绕 A/B测试展开。
针对大型项目定制化试验方法是行业专家的核心竞争力。有很多实际项目由于受条件限制不适宜进行 A/B测试，但是又非常需要小成本试错的能力，比如交通规划、大型投资、建筑设计、工厂改造等。
下面我们介绍互联网以及“ +互联网”的行业巨头们是如何开展 A/B测试来成功实践“试验驱动创新”的。
2.1.1　谷歌引领的 A/B测试潮流
2000年谷歌的工程师**次将 A/B测试用于互联网业务的试验：搜索结果首页应该展示多少条搜索结果更合适？虽然这次 A/B测试因为搜索结果加载速度和试验数据不准确而导致失败了，但是它开启了谷歌持之以恒的 A/B测试之路。从那以后， A/B测试被广泛应用于互联网公司的优化迭代，每年数万个试验被谷歌、亚马逊、 eBay、百度、阿里巴巴等主流互联网公司应用于线上 UI内容优化、算法优化、收益优化等方方面面。
事实上，谷歌的各条产品线每个月都有成百上千个不同的试验版本在运行。搜索广告产品的每一次新改动都要经过严格的在线 A/B测试来验证效果，在保护用户的搜索体验的同时，提高谷歌的营业收入。A/B测试的试验数据决定了大量的改动*终都不能上线（大量试验都会得到营收负增长的试验结果），这种科学的产品运营方式可以大幅度加速创新，改善用户体验，对互联网企业事半功倍。*终通过试验验证而上线的改动确保了谷歌的营收规模每月可以增长约 2%。日积月累，谷歌仅仅通过数据化驱动的方式就能保证年化增长达到 20%。
随着 A/B测试试验系统的推出和不断改进，谷歌几乎所有的产品，包括新上线的产品，每一次更新都需要首先通过 A/B测试验证。图 2-1 是谷歌从 2007年建设好 A/B测试平台之后的试验数量增长情况图，可见谷歌对于 A/B测试的重视。
图 2-1　谷歌并发试验数量的增长
2.1.2　微软、亚马逊、脸书的经验
1. 微软
微软和亚马逊这样的“＋互联网”巨头，还有脸书这样的互联网巨头，都是在业务发展到成熟阶段后开始大量进行 A/B测试的。
在这些有成熟组织架构的大公司里，一线产品经理和工程师在设计和开发产品时，会更多地通过微创新的形式来逐步优化产品。需要强调的是，对用户行为的深度理解，很难仅仅依靠决策者的个人洞察力。有些经验只有通过科学的 A/B测试的试验数据才能获得。
微软必应的产品优化是个很好的案例。图 2-2b与图 2-2a相比，只将搜索结果内容的颜色做了一些小调整 [只需要改 CSS（层叠样式表）里的几行代码 ]，肉眼几乎看不出区别，但是用户点击率大幅度提高，年化广告收益增加了 1 000多万美元。

 2/5   首页 上一页 1 2 3 4 5 下一页 尾页

教材 高职高专教材

在线阅读