多变量测试：五个简单步骤提升网站的转化率

wz***

前言

自Google出现并改变了游戏规则之后，用户对于网页的关注时间一直在下降。对于任何一个时下话题，有千万条结果可以关注，可以抓住访问者注意力的机会非常明显地下降了（2002年，BBC报告指出大约在9秒内）。想象一下你自己浏览网页时的时：你会阅读所有的文字和图片，尝试着彻底了解整个网页内容是什么吗？最有可能的答案是：“不会。”伴随着充斥四周的信息轰炸，我们像被宠坏了的孩子那样，不会投入足够的的注意力去关注一个网页到底想告诉我们什么。

我们快速决定是否关注一个网站时，取决于我们在几毫秒的时间里可以弄清楚多少东西。提供良好的第一印象是设计师和网站所有者的责任。说服访问者的机会非常小，大部分设计（很可能也包括你）将这个作为次要工作，因为大家觉得设计师只关乎美学。然而，大多数的网站并不是是为了给访问者留下深刻印象，大部分的网站是为了销售而存在的。无论它是为了让访问者去订阅博客还是下载一个试用版软件，每一个网站的存在最终都是为了销售某些东西。

在这篇文章中，我们谈谈如何使用科学的办法，使用A/B测试和多变量测试，去为网站创造更多的销售、下载、注册（或达到任何其他商业目标）。与一切和科学相关的东西一样，这篇文章将一步一步地探索并重现那些增加你转化率（客户与访问者的比率）的方法。还有，你可能会对之前发表在这里的一篇文章《终极A/B测试指南》感兴趣。

1. 定义挑战

怎么让网站用户注意到你提供的东西，然后让他们采取行动呢？我想要在我自己个人博客回答那个软件下载黄金页面的问题。这个页面有所有的正确元素：产品名称、产品说明、认证、奖励、得分和一个突出的下载链接。但是，只有40%的访问者下载了这个免费的软件。请注意，这个页面中几乎所有网页流量都是有针对性的，要么是通过google搜索，要么是来源于相关的参考网站。所以，为什么那剩下的60%访问者不下载这个软件呢？修补这个漏洞就是我的挑战。

关键字：清晰定义你网站（或个别网页）的目标

就我而言，所需的操作是让访问者下载这个软件，挑战是让下载率从40%提升到尽可能的高。一些最通常的可以使用A/B测试的挑战有：

1、提高注册率，减少跳出率，提高电子报订阅量。

2、提高从登陆页中收集到的线索数量，提高白皮书或软件试用版的下载量。

3、优化购买和促销，大幅提高从访问者到客户的转化率。

完全有可能的是你的网站必须要满足多种目的。例如，一个博客的挑战是得到更多的订阅量和提高访问者的参与度（根据评论数量）。在那种情况下，最好的策略是是每次解决一个（清晰定义的）挑战。

快速概览：A/B测试。查看详细

2. 假设

下一步是做一个低转换率的假设名单（采取行动的访客的百分比），低转换率很难得出准确结果（这就是为什么我们称他们为假设），但是仍有三个不错的资源可以帮助你：

（1）你：是的，你！ 虽然你很难不爱上自己的网站，但现在是时候进行自我批评了。 试着跟着你的访客走，你的网页所提供的是否足以吸引到一个没有相关知识背景的访客？ 请记住，这不像你，你的游客不会在早上醒来说：“哇，这东西太棒了！” 批判自己的网站是一个很好的改进方法。

（2）网站分析数据：获得改进办法的另一个资源是您的分析工具。 具体来说，提交的资料和搜索的关键字提供了有价值的数据。 例如，有许多访客来到你的网页搜索了你可能没有注意到的关键字。 在这种情况下，访客可能会错误的认为你提供的资源并不是他们正在搜索的东西而离开你的网站， 处理这类案例可以提高转换率。

（3）可用性测试：从可用性测试中获取到的反馈总会令你感到惊讶！ 也许你会发现，游客甚至不知道网页所提供的东西。 在这种情况下，测试可激发行动的颜色和尺寸大小是一个很不错的办法。如果你没有一个大的预算，可以尝试可负担得起的服务如可用性测试或批量反馈。

关键点： 确定哪些因素影响转换率。

从别人那得到的反馈并不能准确的评估你的网站，你可以记下可能会影响转换的想法。 对于我的软件下载网页，我假设下载率下降主要是由于两个原因：1、大多数访客没有注意到下载链接。2、许多访客不知道该软件是免费下载的。

我的猜测正常的访问大概是这样：访问者来到这个网站，看到了一堆文字，四处寻找下载链接，因为某种原因没有找到（可能是由于标题颜色无差异），最后离开网站。另一些注意到下载链接的人可能不想有阅读文本的烦恼，哪里有提示说“… …这是个免费的”，可能他们认为该软件是一个试用版或是一个演示。

你可能有以下步骤的假设：

1、也许你的注册表单是太长，简短的表单将有助于增加注册量？

2、也许你的“免费试用”按钮不明显，大尺寸的下载按钮有助于增加下载量？

3、也许你的标题包含了大量的行业缩写，或是太普通？

4、也许你到达目标的着陆页面没有明显的下一个步骤导致大量的流失率？

3. A/B测试还是多变量测试？

一旦低转化率的原因清单列举完毕，你就要开动脑筋用不同观点去思考这些原因了。你在这一步需要做的就是，用不同的版本去思考上一步罗列出来的那些因素。拿“注册”举例，不同的版本将会是：

表单区别：仅有两块的简化表单；不需要电子邮箱地址的表单；多步骤表单；长表单

提交按钮区别：“提交”或者“免费注册”或者“立即注册”又或者“现在就注册！”

如果你怀疑这些小区别没法对转化率有任何显著影响，你该去阅读下 37signal的这篇提升注册30%，它只是测试了简单的头条新闻的变化。

同样，你也应该去阅读下Dustin Curtis让他的Twitter跟随着增加了173%，仅仅通过改变链接的文字为“你应该在Twitter上跟随我”。

A/B测试

在A/B测试中（也被称为分离测试），你一次只对页面上的一种因素进行比较，这个因素也许是网页中影响转化率的关键（例如按钮颜色、尺寸、广告复制标题）。相比而言，多变量测试是把许多因素同时测试。但是，A/B测试比多维度测试更简单也更容易完成。

多变量测试

在多变量测试中，你要识别页面中影响转换率的不同的区块/因素。这些因素产生的不同变化，从而共同导致了网站的不同版本。多变量测试要得出结果的时间比A/B测试长 ，但是它更有可能得出较好的结果。

关键词：产生变化