建立與測試不同版本的網頁

行銷資料科學
Marketingdatascience
3 min readJun 1, 2020

--

建置控制頁面之後,等於完成A/B測試後的第一步,接下來,即可開始建立不同測試版本(vision)的網頁。原則上,每個版本大同小異,都以控制一種變化(variation)來當作假設檢定(hypothesis test)的來源,無論是不同的標題、不同的圖片、不同的背景顏色、不同的CTA(call to action)等。圖1即是控制不同CTA(購買與下載)的範例。

圖1測試不同版本的網頁

一般來說,在建立測試內容的假設時,最常見的方法就是使用:跳出率(bounce rate)、離開率(exit rate)、轉換率(conversion rate)和行銷漏斗分析(funnel analysis)。至於常見的分析工具,例如Google Analytics。另外,也有人習慣採用Qualaroo之類的文本分析工具來收集用戶的回饋資訊。

在這裡,一個有趣的問題是,為什麼要使用統計學上的假設檢定,而非使用AB兩個版本互比,看誰的轉換率高就直接獲勝的方式。背後的目的就是要控制統計上型一錯誤或型二錯誤(Type I error & Type II error)的機率。由於假設檢定的步驟有其客觀性,也可知道其出現錯誤的機率,這在測試上屬於較為客觀的作法。

至於在判斷結果時,如果發現跳出率高,且頁面停留時間短,則意味在頁面的起始,可能就出現了設計的問題,例如:標題無法讓客戶產生共鳴。而如果發現頁面停留時間長,但跳出率高,這時可能是頁面底部附近的設計出了問題,例如:CTA(call to action)設計不良等。

值得注意的是,一旦透過上述量化方法分析,依舊無法確定影響轉換率的原因,則可進一步採取其他蒐集資料的方式,例如:質化的深度訪談方法,來蒐集客戶的細部想法,以找出真正的原因。

在進行測試的過程中,詳實記錄測試的假設和結果,以便事後進行追蹤,是在進行AB測試時的基本功夫。

作者:蘇宇暉(台科大管研所博士候選人)、羅凱揚(台科大企管系博士)
繪圖者:陳柔菲

歡迎加入我們的telegram獲取即時訊息!https://t.me/marketingdatascience

--

--

行銷資料科學
Marketingdatascience

Marketing data science. 台灣第一個行銷資料科學(MDS)知識部落,本粉絲專頁在探討行銷資料科學之基礎概念、趨勢、新工具和實作,讓粉絲們瞭解資料科學的行銷運用,並開啟厚植數據分析能力之契機。粉絲專頁:https://www.facebook.com/MarketingDataScienceTMR