不知道如何选择：用 A/B 测试，选出更正确的决策！

首先，我们来说说什么是 A/B 测试：

A/B 测试，又名分桶测试，它主要是为决策人提供一种更加科学的决策方案，它将分歧方放在同一时间维度，分别让组成，成分相同或相似的访客，随机的访问各分歧点，然后收集各组的用户体验数据和业务数据，从而分析、评估出最好的决策方案，正式采用。

其实 A/B 测试的基本原理是，实验研究中常常用到的「控制变量研究法」。通过控制各个分组中的其他影响因素，进而比对分歧因素，得出相关结论的研究法。

知道了什么是 A/B 测试，我们再来说说 A/B 测试的应用场景：

1、用户体验的优化：

用户体验一直是产品生产者，最应该关心的事情之一，但随意改动已经完善的用户使用体验是一件十分冒险的事情。所有我们可以通过 AB 测试进行决策。常见的做法是在保证其他条件一致的情况下，针对某一单一的元素进行 AB 两个版本的设计，然后选取两个用户量相近的渠道如 vivo、和 oppo 两个应用渠道进行投放，并进行数据采集和分析，最终根据数据结果，确定版本。

2、转化率优化

通常影响电商销售转化率的因素有产品标题、描述、图片、表单、定价等，通过测试这些相关因素的影响，不仅可以直接提高销售转化率，长期进行也能提高用户体验。

3、广告优化

广告优化可能是 AB 测试最常见的应用场景了。营销人员可以通过 AB 测试的方法了解哪个版本的广告更受用户的青睐，哪些步骤怎么做才能更吸引用户。常见的方法是，在后台选取两个用户数量相近，其他影响因素相同的两组用户画像，通过通过推荐系统，将两组广告同一时间分别投放给两组用户画像的用户，然后采集用户的行为数据，进行分析判断选定最优秀的广告方案。

由上述三个使用场景，我们可以看出 A/B 测试的作用有四点：

第一点、消除用户体验设计中不同意见的纷争，根据实际效果确定最佳方案；

第二点、通过对比试验，找到问题的真正原因，提高产品设计和运营水平；

第三点、建立数据驱动、持续不断优化的闭环过程；

第四点、通过 A/B 测试，降低新产品或新功能的发布风险，为产品创新提供保障。

既然 A/B 测试这么好用，我们该如何建立 A/B 测试哪？

第一步：提出分歧，找到分歧点。使用 A/B 测试的前提是决策中存在分歧，如果一个决策没有分歧则不需要 A/B 测试。

第二步：根据分歧，建立 A/B 测试方案。例如，小李认为是 banner 的文案影响了 banner 的点击，而小王认为是 banner 的图片设计感影响了 banner 的点击。为此，我们能够建立的分歧模型为，文案影响了点击、图片设计感影响了点击、以及文案和图片都影响了点击。那么我们的测试方案为去选四个渠道一个不做改变，一个只改变文案另外一个只改变图片设计感，最后一个即改变文案又改变图片设计感。

第三步：选取投放渠道，采集相关数据。例如：在刚刚我们有了一个投放方案，所以我们要选择四个数据相同或相似的投放渠道，并采集各个渠道的用户点击效果。

第四步：分析数据结果，选取最优方案。根据采集的数据进行分析、观察找到影响原因后选择最好的方案。

需要注意的是，除了分析因素外，我们要尽量保证其他影响因素相同，不然没有办法得出正确结论