什么是实验?
在数字世界中，最经典的实验是AB测试. 但除了AB测试，还有更多的实验方法. 为了衡量人们对一个新想法的兴趣，你可以对它进行实地测试. 了解忠实客户对新功能的反应, 你可以进行beta测试(封闭或开放)。. 如果你要发布对网站的修改, 作为发布过程的一部分，您可能会有阶段性的推出或特性标志, AB测试的一种).
关键是:把实验想象成一种测量变化效果的方法. AB测试，beta邀请，假门，所有这些.
所以，现在我们清楚了有多种类型的实验，让我们回到这个. 实验有两个概念——验证性实验和探索性实验.
我将尽我所能解释这两个概念，并给出一些优缺点. 绑在…
验证性实验
我从验证性实验开始，因为这是你们可能熟悉的实验类型.
想象一下，你刚刚观看了一天的可用性测试，10个用户中有7个访问了你的产品页面，却错过了免费送货信息. 从之前的调查中你知道免费送货对你的客户很重要.
您决定需要在产品页面上更明显地显示免费送货信息. 你让你的设计师设计一个新版本的产品详细信息部分，这次, 让免费送货更加明显!
你的假设可能是这样的:
因为我们观察到，在可用性测试中，有7/10的客户错过了产品页面上的免费送货信息, 虽然受访客户表示免费送货很重要.
我们相信让免费送货的信息更加突出.
这将导致更多的客户看到信息，并知道我们的免费送货, 因此更有可能购买.
当产品页面的购买率增加时确认.
你的设计师开始工作，制作了一个可爱的新设计，让免费送货真的……很明显.
你测试它. 它赢了. 购买率提高8%. 96%的意义. 波什. 为了对数据的热爱，请有人打开香槟!
这是一个验证性实验.
你推测B版本(更大), 更大胆的免费送货)比版本A(弱小)更好, 迷你免费送货). 你检验了那个理论. 你将从这个实验中学到以下三件事之一:
1. 版本A更好(该死) )
2. 版本B更好 )
3. 版本A和B是一样的 )
现在让我们看看另一种情况.
探索性实验
我们又回到了一天结束的时候, 你刚刚看到所有人都错过了免费送货信息. 你知道这是一条重要的信息.
假设是一样的. 但是，这一次你需要向设计师提供以下要点:
- 人们错过了产品页面上的免费送货信息, 但我们知道让他们看到这一点很重要.
- 你能给我一些信息的变体吗? 首先，尝试在用户旅程的早期让信息更加突出的设计. 让我们在产品结果页面的第二行结果之后放置一个横幅.
- 接下来，试着让它在产品页面上更加突出. 把它放在接近价格的地方.
- 最后，向购物篮页面添加一条免费投递消息. 把它显示在总价附近，这样就很清楚以后不会加进去.
你的设计师设计了三个不同的版本，我们称之为变体. 您运行AB/CD测试与所有三个针对当前站点.
以下是你可能从这个实验中学到的东西:
1. A是最好的，然后是B, C, D
2. B最好，然后是A, C, D
3. B最好，然后是C, A, D
4. D是最好的，A, B, C是相等的
5. C是最好的. B和D是相等的. A是最差的.
6. 等等......。
我的意思是，你从这个实验中学习的能力大大提高了. 通过一些聪明的分析，您可以了解到在旅程中更早地显示信息更好. 你可以学到完全相反的东西:越晚越好. 你可能会发现弹出窗口有负面影响——可能是因为它是一个令人讨厌的弹出窗口——而改进的产品页面横幅有积极影响(8%), 还记得?)，但是…… 篮子 信息具有巨大的积极影响(14%)!).
您甚至可以重复这个实验，并同时运行产品页面的版本2 和 篮子页面横幅. 你可能会发现，两者结合起来，你会得到16%的更大的提升!
关键是:你学会了.
“天哪，我被卖了.”
有什么隐情?? 没有什么大. 但也有一些考虑.
你必须有足够的交通才能灵活
谷歌“ab样本大小计算器” 并使用其中一个免费工具. 如果你需要10个,每个变化有000个回合，你得到10个回合,你可能想要探索可用性测试并通过AB进行确认.
不要把设计扔到墙上，希望它们能坚持下去
这就像你第一次学习什么是多变量检验并做21变量分裂检验一样.
相反，你应该清楚地表达你想教给你的设计师(或者你自己，如果你是你的设计师)什么。. 想想在光谱上进行测量. Examples include: early vs late in the journey; subtle vs LOUD; emotional vs rational; price-driven vs quality-driven.
你希望能够从这个(一系列)实验中解脱出来，并告诉你的团队:
“我们在旅途中用不同的方式测试了免费送货信息，我们发现最好在提到价格的地方提供免费送货信息, 并以一种微妙的方式把它包括在内，而不是一个令人讨厌的横幅.”
最终的想法
别以为我在说验证性实验不好! 他们绝对有一席之地. 有时候设计是不可行的 并建立 三到四个变体. 有时你需要提出问题，最好通过可用性研究来探索. 有时你只有一个清晰的想法，你想看看是否更好地说出其他的想法.
如果你从这篇文章中得到什么, 而是你应该知道两者的区别，并寻找机会去探索. 如果这次不行，下次再试.
保持试验.
