时间和外部影响
无法控制的外部因素，例如天气，变化趋势，文化，人种或社会环境，可能会影响您的测试，并且在最坏的情况下会使您的结果无效。 为了减少和最小化来自这些因素的干扰，您应考虑以下因素：
- 随机 分配访问者到您的测试变体中，以便为所有变体获得相对相似的总体。
→负例：默认变体的人口主要由年轻女性组成，而您的变体的人口主要由年纪较大的男性组成。 您的测试结果将是不确定的。 - 并行而不是按时间顺序测试两个变体。 这样，随着时间的推移发生的外部因素将同等地影响这两个变体。
→例如：在夏季测试销售太阳镜的页面的变体A与冬季测得的默认变体，将得出不确定的结果。
为什么要使用A / B测试？
A / B测试可用于测试逻辑结论和正确性的假设。 这样，它们可以成为构建成功产品的强大工具。 A / B测试比定性测试有一些明显的优势（反过来，定性测试也有自己的优势，但这是另一篇文章）：
- 他们检查比传统用户测试更自然的设置，并避免测试设置产生的任何影响。
- 他们评估实际影响 ，包括用户及其生活的内在动机，兴趣和其他个人情况。
运行A / B测试的常见陷阱
人们在运行测试时往往会犯一些常见的错误。 这些常常导致无法使用的结果，随后导致产品开发没有真正的进展，从而浪费了测试时间。 避免这些错误并更快地获得可靠的结果！
- 缺少有关测试设置和统计基础知识的知识会导致错误的假设，结果和结论。
→至少掌握基础知识才能得出正确的结论。 - 太早结束测试而没有达到有意义的程度会使结果无法使用，而仅仅是猜测。
→让您的测试运行到有意义为止。 - 仅测试边际变化通常不会取得结果，因为影响太小而无法衡量，因此阻碍了更大的进步。
→如果可能，请放心地争论产品的最大改进。
A / B测试工具
有许多工具可用于设置A / B测试。 我不会尝试列出所有内容，您可以通过搜索网络轻松找到它们。 工具通常分为两类：
- 分析工具 ，例如Google Analytics（分析）
这些工具通常更强大，并提供更丰富，更深入的分析，以获取您所需的所有数据。 他们需要更多的技术知识来进行设置，还需要更多的统计知识来解释测试结果。 - 专门的A / B测试工具 ，例如Optimizely
专用工具更容易使用，几乎每个人都可以使用。 它们提供了一个简单的拖放界面，用于创建变体并处理所有技术问题。 他们还尝试以每个人都可以理解的格式呈现结果。 如前所述，他们倾向于夸大结果以鼓励进行更多测试（毕竟这是他们的工作），因此请谨慎使用它们并确保您了解它们呈现给您的内容。
其他有用或有见地的链接：
- A / A测试：我什么都不做，如何将转换率提高了300％
- 30分钟的更改使25％的人尝试使用Ghost：告诉他们要单击的内容
- Behave.org（以前赢得了测试 ）
- 12个令人惊讶的A / B测试结果可阻止您做出假设
