次做出了某個改變，但後來發現沒有用處，退回去重新嘗試別的方法就相對簡單一些。

？　如果對電子郵件進行測試，要同時傳送檢測郵件，這樣可以消除時間差異。理論上講，您肯定同時想要測試網站。像Optimost和Inceptor這樣的軟體平臺可以幫助我們做到。

A/B測試

A/B測試—有時叫做A/B分割—是測試電子郵件或網站最簡單的方法。把網站訪客分為兩組，其中的一組看到的是您要測試的原版網頁或郵件，另一組看到的是一個替代版本，其中有一個元素稍稍做了改變。然後追蹤結果。

例如，假如您想知道促銷郵件中的最佳標題。您可以拿出兩份獨立的郵件，除了標題不同其他都一樣，把所有客戶分為兩部分，分別把這兩份郵件發給兩部分客戶。

要想衡量標題的有效性，就要比較這兩部分客戶的開啟（郵件）率。一旦找到了那個開啟率較高的，它就可以成為參照點，然後用它來檢測另外一個標題，直到找到最佳的標題為止。這個結果可能會很讓您吃驚。在其中一個測試場景中，一個標題的開啟率高出其競爭者標題3倍，它們之間的差別非常細微，即使這樣小的差別，都會對您的盈虧產生巨大影響！txt電子書分享平臺

第五章　最佳化（9）

對於擅長類比的人來說，A/B測試可以比做眼科檢查。醫生把您帶到一個昏暗的房間，讓您盯著一個難看的機器上的小洞，然後問您：“哪幅圖畫更清晰，更容易看到，　A還是B？”您做出選擇後，他對圖片做出一點改變，再問：“A還是B？”每次他都做一點小小的調整，為了能得到更好的結果。這個過程一直持續到您可以從小孔中清晰地看到那些圖畫。

以上類比存在的問題是醫生做過種群研究，已經建立了測試標準。他使用的視力表和機器是經過校正的，確保產生準確、可預測、可複製的結果。我們需要處理一些不確定性的東西，但是，測試結果卻是非常引人注目的。

一個最佳範例是亞馬遜公司幾年前做的一個測試。下面是其網頁上的“準備購買”區域：

網站一開始使用的是A。網站的圖書板塊中括號裡面的詞語被刪除，還刪除了按鈕下邊的文字（B）。我們不知道測試背後的目的，但我們始終建議在行動點新增保證條款，然而在亞馬遜的網站上還可以找到像A這樣的按鈕佈置。

另外一個例子是ICE公司做過的一項測試，使用的是Visual　Sciences工具。它的目的是提高網站首頁列出的特色產品的銷售量，決定測試特色產品下的廣告詞，進而檢測效果。它對照一個版本測試了三篇有些微差異的廣告詞，這四個版本如下圖所示（見下頁）。

您認為哪個要好一些？就像在A/B測試中一樣，我們傾向於某一個版本，並且希望它成為優勝者。對於某些假設，A/B測試給我們一個真實的、由資料驅動的、公正的答案。版本D一開始被認為是贏家，但它導致成本上升了數千美元。

成功測試有用的指導方法

現在您知道測試的價值了，決定學以致用。但是您還是有些擔心。怎樣才能判斷（說服其他人）測試結果是有效的？您進行任何測試，都要知道一些“影響”因素：週期，甚至是時間。您必須在幾周內進行連貫的測試。確保樣本規模足夠大，測試出的不同版本之間的區別是很有意義的資料。

Inceptor的執行副總裁邁克？塞克給我們提出了一些關於分割流量、穩定性、時間的建議：

第一步是要確定怎樣分割流量，50/50，90/10或者是80/20。分割是隨意的，可以按照時間或來源（喜歡用Google是A類，喜歡用Yahoo的是B類）。第二步，您必須確定測試的穩定性；換句話說，如果訪客離開網站然後又返回來，還能看到相同的測試嗎？您可以從無穩定性、連線穩定和cookie穩定中選擇其一。但至少您應該擁有連線穩定性，即使cookie穩定對追蹤隱性轉換效果更好。

這是我們關於範例、大小和標準的一些想法。

為了確定您的最終範例規模，您可以進行零點測試（null　test）。零點測試是真正的A/A測試，您自己控制標準，決定結果的集聚點（一般每個點之間有的差異，不過取決於自身情況）。當測試結果匯聚起來時，您就知道需要測試的流量了。

您可以根據一定數量的轉換或銷售量來決定成功的標準，或者可以在一段時間後（