如果你已经确定了需要实现的转换，进行了分析并弄清楚了你将做出哪些改变以及这应该产生什么影响，即提出了一个假设，那么你就可以继续进行测试。有了它，您将能够确认或反驳在 CRO 决策之前做出的假设。
请记住：任何结果都将是积极的，因为会获得经验，并且会了解到某些工作的必要性和执行其他工作的毫无意义；您可以下次再节省时间和精力来回答这些问题。
假设我们在分析数据时发现部分网站访问者根本看不到“购买”按钮。在这种情况下，你决定尝试这个界面元素的字段的颜色和它的位置，并提出两个假设：
将购买按钮的颜色改为黄色将会使转化率增加一定百分比。
将“买入”按钮的位置从“...”更改为“...”将使当前指标的份额增加某某数字。
之后，您将必须使用下面介绍的方法来测试这些假设。
A/B 测试
它被认为是最好且最方便的方法。它的另一个名称是分割测试。
在传统分析中，使用此方法 牙买加 数字数据 仅检查一项调整。为了准确了解它是否影响转换，这是必要的。因此，必须对每个假设进行一次检验。
也讀吧！
“AB 测试：准备、实施、结果评估”
阅读更多
A/B测试流程如下：
我们在一个明显的变化处停下来并检查它。
我们正在制定两种进行测试的方案：
对于实施变更的情况；
在一切保持不变的情况下。
我们为两种选项提供相同量的流量，这对于实验的纯度是必要的。最终结果是 50% 的人会与一种类型的页面互动，其余的人会与另一种类型的页面互动。您可以使用 Google Optimize 或 Google Analytics 完成所有这些操作。
定义终止条件。我们正在讨论流量的数量或测试结束的时间；我们关注数据的统计意义，可以使用计算器进行计算。
我们进行分析并等待其完成。
我们选择获胜的选项并将其永久添加到网站。
然后我们进行下一个测试。如此反复，循环往复，只要我们有钱、有力、有时间。不要以为有一天网站上将不再有任何可以改进的地方。此外，网站用户的需求可能会随时发生变化。
测试两个以上的变量
这里的一切与拆分测试的情况相同，但还有更多选项。例如，可以添加几个控制组来排除影响转换的某些因素。
在这样的研究中，您可以同时测试几个假设——例如，关于按钮的颜色、它在页面上的位置、此元素上的文本以及不仅仅是它上面的文本。测试的要点：您需要明确划分并思考所有要分析的选项，这将有助于避免对结果产生混淆的解释。
否则，人们可能会对究竟是什么改善了结果产生怀疑，或者存在得出错误结论的风险。而在另一个页面上取得成功就不会那么容易了。