用户体验设计中的 A/B 测试(也称拆分测试)直接比较一个版本和另一个版本,无论是按钮、字体、颜色、位置还是其他综合操作。数字产品可能会在各种方面让用户感到困惑并偏离方向;了解他们更希望看到什么,什么会让他们的决策和用户体验更有利,就像测试一个组件的一个版本和另一个版本一样简单。
为什么要进行 A/B 测试?用户体验设计围绕最有可能使用我们产品的用户展开。如果这些用户没有按照预期的路径进行转化,我们就需要探索他们偏离轨道的地方,以及如何更有效地推动他们实现预期目标。
此外,尽管设计师拥有丰富的经验和专业知识,但他们最初的选择和决定可能与目标受众不太一致,因此在这种情况下,我们需要对这些元素进行测试,以确保我们的方向是正确的。
A/B 测试的好处
A/B 测试的魅力在于,它能提供表现最佳的元素,从而逐步改进网站、应用程序或数字产品。每一位用户体验设计师都致力于做出数据驱动的设计决策,而 A/B 测试则通过与目标受众的互动来提供这些数据。每次只测试一个变量,使我们能够精确定位测试结果,从而明确胜负。
- 简单、相对快捷、方便用户且经济实惠
- 完全基于用户行为
- 验证高质量和高绩效要素
- 揭示性能更好的替代品
- 您几乎可以测试产品的每一个元素
- 消除猜测和错误假设
- 改善用户体验,最大限度地提高产品性能
- 优化内容、布局、转换率和注册等
- 它有助于降低高跳出率
- 提高低转化率
何时使用 A/B 测试
A/B 测试与数字产品设计过程的各个阶段都息息相关。
对于 新产品或新功能:找到理想的选择将有助于您在产品发布时提供最佳产品。
对于 现有产品:实时 A/B 测试可帮助确定当前运行环境中的最佳性能,优化性能较差或性能良好的产品和流程。
我们很容易忘乎所以,对每一页上的每一样东西都进行测试。然而,这样做不会产生最具成本效益的交付。每次测试都需要一个理由;这意味着要有明确的目标并设定有价值的假设。
可在 A/B 测试中进行测试的设计元素
A/B 测试的好处在于,您几乎可以测试任何东西。要获得有意义的结果,需要记住的关键点是在两个变体中测试一个变量。
- 布局
- 复制
- 号召性短语
- 行动召唤按钮
- 按钮和链接
- 图片、视频和 GIF
- 图标和插图
- 用户界面选项
- 导航和导航要素
- 字体
- 颜色
- 电子邮件营销活动
- 数字营销材料
- 登陆页面设计
- 图像、文本和背景中的文化参考信息和用户人口统计数据
如何进行 A/B 测试
步骤 1:确定目的和目标
如果您未能实现预期的注册、销售、线索或点击量,您可能会想知道是您的布局、推广、文案或导航中的哪个部分导致用户放弃这一过程。
您可以通过测试来探索这些问题,但您需要知道为什么要进行测试。如果网站的某个区域表现不佳,而你认为做一些改动就能达到预期的效果,那么就记录并测试这些改动。这对于让设计团队了解情况、理解原因以及他们需要测试什么是必须的。
- 定位问题区域?从之前的测试或表现不佳的分析和数据流中。
- 设定明确的目标 ?你计划改进什么。
- 确定测试什么?哪些因素会造成用户痛点?
- 创建假设 ?与目标和测试过程相关的假设: 我们相信,更强烈的行动号召/更突出的按钮位置将增加咨询/销售/转化率。
第 2 步:创建和实施变式
要记住 A/B 测试的要点是保持简单,不要将两个版本的测试复杂化。我们强烈建议设计者在每次测试中只更改一个项目。为什么?比方说,您正在测试一个行动号召按钮,两个按钮上的图片、颜色、字体和大小都不一样。无论如何评定,你怎么知道哪种改变影响最大?这就是为什么我们倾向于尽量减少选择的原因。
如果您需要测试多个元素,请将它们分别进行测试。例如,在第一次测试中,推荐两种颜色选项;在第二次测试中,显示按钮大小的变化;在第三次测试中,测试不同的行动号召短语。每个测试都将提供用户偏好,同时消除猜测。
步骤 3:将用户分成测试组
与任何用户体验研究一样,测试应在目标受众范围内进行。将测试对象按人群进行公平分配,并确保每项服务、网站或功能版本的样本量相同。
步骤 4:运行测试并收集数据
如何管理测试取决于测试的内容和阶段。
在设计过程中进行测试: 您可以向同一小组展示同一组件、页面、导航等的两个版本,看看哪个最受欢迎。这种类型的测试需要一种名为 相抵.平衡测试确保每个创意以相同的顺序被观看相同的次数,先看第一遍,再看第二遍。除了 A/B 测试,它还可用于测试多种条件下的多种设计处理。
在产品开发方面,定性研究方法可以解释用户如何以及为何偏好特定选项。A/B 测试是在设计和构建过程中确定这些信息的好方法。
测试实时应用程序和网站的功能和组件: 用户体验设计师会对网站或功能的流量进行拆分,以监控用户如何与不同版本进行交互。这种做法是完全正确的,而且由于流量大,还能提供可靠的测量。不过,实时测试可能会影响分析数据和搜索引擎优化,因此 Google 提供了以下说明 用户体验设计师如何将这种影响降至最低.
与专业的用户体验设计师合作,可以确保他们的方法不会影响 A/B 测试或可用性测试,从而保证您努力实现的性能。
步骤 5:分析和解释结果
在进行分析之前,您必须确保有足够的数据来提供有价值的见解,这意味着要在适当的时间内进行测试,或将新的设计方案展示给足够多的用户。这就是所谓的 统计意义/统计分析.
测试完成后,两个版本中的最佳选择应该相当明显,即大多数用户更喜欢的版本。不过,决定需要看到多大程度的改进才能承诺进行更改可能会有所不同。通常,我们期待(或希望)90% 或更高的阈值。较低的阈值不太可能产生以下效果 有统计学意义 你的假设所要求的结果和实践的好转。
对于仅有微弱改进的元素,也许进一步的测试可以缩小造成不足的问题。另外,如果 A/B 测试不能为你带来效果,也许是时候重新采用其他定量数据用户研究方法了,如可用性测试和监控。
A/B 测试中的常见陷阱和挑战
- 选择偏差和结果偏斜
- 缺乏统计意义
- 未能通过定性研究验证结果
- 在测试过程中偷工减料或过早放弃测试
- 未能发现季节性变化
实施 A/B 测试的工具
A/B测试工具种类繁多,其中许多纯粹针对专业用户体验设计师、研究人员,还有一些帮助产品经理及其团队进行日常监控。谷歌随时准备提供帮助(一如既往,无所不包),提供在以下设备中设置 A/B 测试的选项 谷歌分析 和 谷歌优化.
如果您正在考虑进行自己的 A/B 测试,只需快速搜索一下,您就会了解到无数的商业选择、它们的主要功能、是否适合您的企业,以及那些最重要的用户评论。
有效 A/B 测试的最佳实践
- 围绕目标进行测试
- 确定明确的假设
- 考虑样本量和统计意义
- 测试时只关注一个方面
- 实践迭代测试和持续改进
- 将 A/B 测试与其他研究方法相结合,使结果最大化
总结
A/B 测试是确定产品用户体验中用户偏好的一种快速而经济的方法。如果某个组件或功能在某一特定领域显示出负面影响,那么升级该组件或功能不仅能解决痛点,还往往能提高转换率和投资回报率。
无论您选择哪种方法或工具,A/B 测试都会对产品性能产生重大影响。如果您想了解更多有关这种方法或任何用户体验研究和测试方法的信息,UX24/7 随时准备为您提供帮助。
如果您想进一步了解 A/B 测试及其如何帮助您提供高性能的产品和服务,请发送电子邮件至 hello@ux247.com.