高轉換率的網站都是如何煉成的？頁面有圖片、有標題和文字就足夠？經營網店可不是叫設計師或行銷團隊做個網頁就算！從網店頁面的建立到安排站內活動，往往都會遇到「店家的抉擇」，例如是哪個設計好、哪個活動更佳。舉個例，母親節檔期活動，宣傳 Banner 上的標題到底該用「 限時半價 」還是「 購物即減 $99 」比較好？怎樣的方向才能替品牌帶來話題、流量，進而轉換成訂單呢？頁面上的功能比較，是不是改成圖文並茂的方式會比較吸引人？相信很多老闆常因為各種抉擇而頭痕。
最令人沮喪的，甚至是已經想好了萬全的行銷之策，想著當季一定會大賣時，銷售量卻不如預期！如果你在這種困局中不知所措，不如從用戶角度出發，跟數據說話，客觀地調整策略吧！
A/B TEST 是甚麼？
A/B Test 顧名思義就是有 A 版與 B 版的設計，並且將 2 種版本同時放在線上做測試，將真實的消費者各自引導至這些 A/B 頁面，藉此來了解市場反應與偏好。如此一來，不但可以從實際累積的數據中看出成效，也不用再靠傳統的思維方式與主觀意見來設計網站甚至是廣告素材。A/B Test 通常會分成實驗組 ( 想要測試的新版本 ) 以及對照組 ( 未經變動的原版本 ) 來進行測試，而實驗組可以多於 1 個以上，各個版本需同時運行一段時間，累積足夠的數據，才能確保實驗結果的準確性。
為甚麼你應做 A/B Test？
在了解 A/B Test 是甚麼之後，你可能會想問：「 為甚麼我要做 A/B Test？」。其實，最終極的關鍵就是為了「改善成效」！
以科技產品為核心業務的公司大多都有 UX 設計師 ( User Experience Designer ) 這個職位，顧名思義，就是為了協助使用者能夠有更好的產品體驗。試著想像自己在逛一家網店的時候，怎麼樣的體驗流程會讓你按下購買的按鈕呢？消費者研究公司 iPerceptions 就曾針對 160 個以上的電子商務網站、超過 36 萬名網絡訪客進行研究，分析造成消費者網購障礙的理由，而分析結果的頭 10 項有 6 項與 UI、UX 相關，近 8 成的顧客會因為網站流程不順暢、產品說明不清楚，而打消了消費意願。
由此可知，網站的頁面編排是十分重要的，做 A/B Test 不單是為了讓顧客有更流暢的體驗，也是為了引導顧客能更快速地按下購買的按鈕，是持續而不斷改善的過程。全球指標性企業 Google 及 Amazon 的產品開發團隊都以「總在測試中」，同時進行多組 A/B Test 而著名；其他像是Netflix 及 Bing 等知名的網站在這幾年的改變，也都歷經無數次的 A/B Test 才有如今好看、好用的網站樣貌。例如 Netflix 會測試每部電影的海報封面，並研究出哪部海報封面有較高的點擊率 ; Bing 則是大膽的測試網站速度，發現每提升 0.1 秒則可以增加 0.6 的收入，如此微少的改變就能帶動顯著進步，你也不能忽視 A/B Test的實力了吧？
而比起過往以收集問卷和訪談來觀察使用者、了解並熟知消費者輪廓與偏好的傳統做法，現在則有更快速、更能大量收集用戶資料的方式，並且還是免費的工具可以幫助你做測試，現在就來看看吧！
A/B TEST 怎樣做？
3 個你必須謹記的大前提：
- 一次僅測試一個變數，避免多個變數影響測試結果
- 至少每週觀察一次，排除假日平日或節慶的差距
- 流量數據要充足，資料過少就容易失準
在規劃 A/B Test 的時候，除了要釐清想要測試的目標，更要清楚測試的目的為何，比如說：我們希望有更多人能在某頁按下 ” BUY ” 這個按鈕，提高這漾一個事件的發生率，那麼，就不能在測試途中更改畫面中的其他設計，例如：版面的設計、標題、色彩、文字以及圖片大小等等，若一次更改多個元素，就難以評斷是「 按鈕顏色 」還是「 按鈕位置 」導致此測試結果，使得 A/B Test 失去十足的準確性。這種簡易的 A/B Test 可以快速篩選出誰最能接近你所要達到的目的。當然，你可能還會問，可以一次做多版本的比較嗎？當然可以！然而，增加 C 、 D 、 E 版的測試，就相對複雜許多，隨著測試版本的增加，就必須累積更多的用戶資料，測試的時間也會隨之拉長。
而測試的時間長度，則建議是以星期為單位來做 review，且盡量避開假日、平日的期間誤差，或是重大節慶時的消費習慣落差，並讓實驗組與對照組能在同一時間上線，其他的變因則維持其一致性。此外，網站的流量大小也關乎測試所需時間的長短及準確性，舉例來說，流量越大的網站，所需的時間就越短。如同統計學的概念，當樣本數越高且其他條件皆不變的情況下，其精準度就越高。而除了測試站內設計之外，當然也能反向對訪客做測試，例如，網站的訪客有透過自然搜尋而來的消費者，也有廣告導流來的客人，哪一邊的流量會有比較高的轉換率呢？兩邊的顧客對於不同的網站設計是否會有不同的反應、偏好呢？諸如此類的方向，都是在網店經營上，十分常見的 A/B Test 呢！
接著，最重要的部分就是如何「衡量結果」，在 A/B Test 得出「勝出者」之後，就要好好審視一下你的觀察目標能夠提供足夠的數據及指標引導你為網站進行調節。舉例說，是次目標想知道哪個網頁版本有較低跳出率，但勝出 A/B Test 的版本有可能變相也降低了購買率。所以，了解你所需要觀察網站行為為何、釐清做 A/B Test 的前後因果、熟知你的 TA 群眾、選擇有意義的數據指標，並且權衡彼此的重要性，才可以在獲得結果的同時，規劃好下一步的改進方向。
舉例來說，為了提高母親節檔期購買率，所進行的一頁式商店 A/B Test，既然目標明確，且僅為優化某一時期的購買潮流，那麼其他指標帶來的影響就相對較不重要；當然，有些時候，無論你怎麼改變、怎麼做測試，好像得到的結論都差不多，對業績的提升也很有限時，就得反思你所更改的項目是否跟你想要的結果有直接的因果關係，像是做了多次的按鈕 “ 位置 ” 測試一直沒有增加購買率，那麼，會不會是按鈕位置根本完全無關？而是顧客一直都沒有找到自己想要的資訊，才遲遲不肯下單購買呢？
常見的 A/B Test 工具
現今與網店優化相關的 A/B Test 工具可說是非常齊全，也都有詳細的官方新手教學或是網民無私分享的操作心得：
- SHOPLINE：網絡商店架站系統，可設置多組一頁式商店或是進階分頁，以拖拉的方式就可完成頁面設計，不用寫程式即可方便店家製作多個 A/B Test 頁面，後續只需要設置 UTM 並配合 GA （Google Analytics）就可快速且隨時地追蹤成效，操作起來相當容易。
- Google Website Optimizer： 在 Analytics 中可進行「 內容實驗 」。在 A/B 測試中，您只能針對每個網頁測試兩種版本；在多變數測試中，則是可測試網頁上各種元素的組合。
- Optimizely : 一樣屬於「You get what you see」的最佳化工具，以拖拉的方式就可完成頁面設計，可任意改變網頁元素，設定測試目標、分配流量與追蹤成效。
- Unbounce ：主要功能為製作登陸頁 ( landing page )，透過「view all lead」來看看是哪些人做了訂閱，如果你本身了解 javascript，也可以修改你的伺服器，讓 unbounce 生成的表單直接傳送資料到你指定的網址。
- MailChimp：電子報工具，可同時設置不同的電子報內容發送給相同性質的受眾，並可設置不同的 list ( 名單 )、 Campaign ( 活動 ) ，有利於後續交叉對比追蹤。
市面上的這些工具幾乎都可以一次比較超過三個以上的介面設計，且有直覺性的操作，讓你在行銷規劃的路上事半功倍。
理解 A/B Test 的操作概念後，就會知道實際測試並不會太困難，市場上許多輔助工具都能協助你進行 A/B Test ，然而，如何做「好」 A/B Test 卻是一門很深的學問，從統計學中的母體與樣本分析，到交叉對比點擊率、轉換率、零停留時間、跳出率等等，都需要長時間的經驗累積呢！
想要透過 A/B Test 讓網頁做得更好？參加 SHOPLINE 免費網店開店講座，讓 SHOPLINE 幫你吧！
作者：電商教室編輯 Depp－曾是擁抱籃球夢的熱血青年，喜歡跟大家分享電商知識，希望在未來可以用上
