使用 Mopinion 进行 A/B 测试 2023 年 2 月 17 日

CRO 专家和增长营销人员非常重视实验和 A/B 测试。 A/B 测试或拆分测试是一种测试两个版本的内容并比较其性能的方法。 A/B 测试的目标通常是查看哪个版本会带来更多转化和更高的点击率。 定性数据通常不像原始数据那样受到关注。 例如，特定的 A/B 测试可以带来更多的转化或点击某个按钮，但用户的体验或情绪可能不会更好。 单击按钮可能已经发生，因为您不清楚如果访问者单击按钮会发生什么。
这就是为什么我们认为为您的 A/B 测试收集反馈并捕获定性数据很重要。

在本文中，我们将展示两种使用 Mopinion 进行 A/B 测试的实用方法。

1. 使用反馈表来衡量用户如何体验两个不同版本的 A/B 测试。
2. 测试两种不同的反馈形式，以衡量哪一种具有更高的响应率。

在线客户反馈还可以帮助您形成假设，而不仅仅是基于假设。 根据您收集的反馈，您可以确定客户在您的在线渠道上遇到的问题。 您可以使用此信息作为输入来检验不同的假设。 但在本文中，我们将重点关注以上两点。

没时间阅读整篇文章？ 观看我（Mopinion 的增长营销人员）解释如何使用 Mopinion 进行 A/B 测试的视频。

什么是 A/B 测试？

A/B 测试让您可以测试两个版本的内容，看看哪个版本表现更好。 您为 50% 的受众提供一个版本的内容，变体 A，同时为另外 50% 的受众提供另一个版本的内容，变体 B。分发应该是随机的。

接下来，您测量转化率、点击率或客户体验，以查看哪个版本的测试表现更好。 如果样本量足够大，您将获得统计上显着的结果，并知道哪个版本可以达到预期目标，从而表现更好。 那将是您将实际实施并带来您想要的改进的版本。

您可以对什么进行 A/B 测试？

A/B 测试通常在网站页面、应用程序内和电子邮件等数字渠道上进行。 在您网站或应用内的（登陆）页面上，您可以测试许多变量，例如：

• 标题和副标题
• 正文
• 颜色
• 内容类型（视频、图片、文字，如下图所示）
• 布局
• 设计
• 号召性用语 (CTA)
• 导航
• 反馈表

通过电子邮件中的 A/B 测试，您可以测试主题​​行、布局、电子邮件的长度，甚至是一天中发送电子邮件的时间。

A/B 测试不限于您自己的渠道。 您还可以测试社交广告和搜索广告，看看哪些广告为您的网站带来最多流量，哪些广告最有可能转化访问者。 在这里您还可以尝试使用颜色、设计和CTA 。

反馈表也可以用于 A/B 测试。 您不想知道哪种反馈表能给您带来最多的见解吗？ 在反馈表中，还有许多要测试的东西，例如布局、复制、设计、问题顺序、问题类型、反馈表类型、触发方式和时间等等。 更改其中一个变量可能会对反馈表的响应率产生积极影响。

为什么要进行 A/B 测试（使用 Mopinion）？

通过 A/B 测试，您将能够对您的网站、应用程序、电子邮件或其他数字渠道进行有意义的和数据驱动的更改，从而真正实现您的预​​期改进。 这可以介于更高的投资回报率、更多的转化率、更好的客户体验等等之间。 测试消除了猜测和假设。

现在让我们集中讨论为什么要专门使用 Mopinion 开始 A/B 测试。 如上所述，我们将重点介绍使用 Mopinion 进行 A/B 的两种方法。

1. 使用反馈表来衡量用户如何体验两个不同版本的 A/B 测试。

衡量您的受众如何体验 A/B 测试的两个版本将为您提供定性数据。 它使您可以深入了解听众的情绪和意见。 例如，您正在使用不同类型的内容在电子邮件中进行 A/B 测试。 您的听众可以对电子邮件中的反馈表进行评分并发表公开评论。 您的 A/B 测试可能导致两个版本的评级不同。 这会影响您的 CSAT、NPS 或您正在衡量的任何其他内容，并让您深入了解受众的情绪。 公开评论将告诉您更多关于为什么给出特定评级以及为什么您的两个版本可能存在差异的信息。 公开评论还可以让您了解听众的一般意见。 除了基于点击率和（销售）转化率的量化目标，您将了解您的受众对您的电子邮件的两个版本的看法。

虽然与原始销售数字不直接相关的目标并不常见，但您的重点可能是创造更好的用户体验。 改进的体验可以而且经常对销售指标产生积极影响。 我们也鼓励您在这种情况下也收集反馈，请查看以下示例。

假设您想改善特定网站页面上的用户体验。 您想要测量页面停留时间、访问的页面数或滚动深度。 您的实验变体 (B) 导致访问的页面更多，页面停留时间更长，这可能表明网站体验更好。 但是，这也可能表明访问者无法找到他们正在寻找的信息，因此他们需要更多时间或访问更多页面才能找到它。 您将需要收集定性数据以了解您的更改是否对体验产生了实际的积极影响。

2. 测试两种不同的反馈形式，以衡量哪一种具有更高的响应率。

对于使用 Mopinion 进行 A/B 测试的第二种方法——当您使用反馈表进行 A/B 测试时，例如问题顺序或表单设计——您将能够确定哪种反馈表给您最多的回复或开放评论，以及因此最有见解。

使用 Mopinion 进行 A/B 测试的两种方法

1. 使用反馈表来衡量用户如何体验两个不同版本的 A/B 测试

例子：
您正在网站的着陆页上进行 A/B 测试。 您已经更改了页面的布局，如上图所示。 您正在衡量客户满意度并想知道每个变体的平均评级是否不同。 进行测试后，您的原始变体(A) 的平均评分为3/5 ，而实验变体(B) 的平均评分为5/5 。 有了足够大的样本量和显着的结果，您可以说评级的差异是由于您对 B 变体所做的更改。 这清楚地表明您的访问者对实验变体更满意，您应该在页面上实施更改。

如何使用 Mopinion 做到这一点？

在您的 A/B 测试中实施反馈表并不太难，您只需要一份表格。 如果您正在测试的页面上已经有一个在线表格，您可以保留原始表格，或者制作一个新的反馈表格并将其放在页面上。 您必须确保它可供 100% 的受众使用。

然后您需要做的就是将数据元素放入您的反馈表中。 数据元素需要能够表明反馈是在哪个变体中给出的——A 或 B。请参见下图，了解反馈表中的样子*。


Mopinion反馈表设计-A/B测试数据元素

下一张图片向您展示了它在收件箱中的反馈项目中的样子。 给出的每个反馈都会将变体发送到 Mopinion，并显示在收件箱的各个反馈项中。 这样您就知道哪个反馈项属于哪个测试变体。


Mopinion 反馈收件箱 – A/B 测试变体可见性

您可以在仪表板中轻松跟踪您的实验。 您可以通过构建图表并根据变体（使用数据元素）过滤评级来做到这一点。 请参阅下面的屏幕截图，了解它在仪表板中的外观。 您可以看到原始变体 A 的平均评分为 3，而实验变体 B 的评分为 5。您还可以在构建图表时看到这是否随时间或每个受众群体的变化而变化，有无限的可能性。


Mopinion 图——A/B 测试每个变体的平均评分

当您看到仪表板中每个条件的差异时，您应该更深入地研究每个变体的反馈项目并阅读打开的评论。 或许您会在那里找到评分差异的原因，并了解听众的情绪和想法。

在我们的知识库中，您可以找到有关如何使用 Mopinion 进行 A/B 测试的分步指南。 我们为三种不同的 A/B 测试工具编写了指南：Google Optimize、Optimizely 和 AB Tasty。 当然，如果您正在使用其他 A/B 测试工具并且希望在 A/B 测试中收集反馈，我们的支持团队会随时为您提供帮助。

*带有数据元素的屏幕截图基于 Google Optimize

2. 测试两种不同的反馈形式，以衡量哪一种具有更高的响应率。

例子：
您想要在网页上测试两种不同的反馈表，看看哪一种能从您的受众那里获得更多响应。 您想知道您的对话反馈表是否比您的经典 Mopinion 表获得更多回复。 进行测试后，您的会话表单有 75 个回复，经典表单有 50 个回复，而打开表单的频率与此相同。 如果对反馈表有足够多的回复和足够的意见，您可以有一定的信心说，对话式反馈表会获得更多回复，从而为您提供更多见解。

如何使用 Mopinion 做到这一点？

使用 Mopinion 可以很容易地做到这一点，因为您可以在同一网页或应用程序页面或电子邮件上部署两种不同的表单。 您将需要向相同数量的人展示您的表格以进行公平测试。 每个变体将向一半或您的观众展示，因此划分应为 50/50。 第一种形式（变体 A）显示给 50% 的访问者。 另一种形式（变体 B）显示给 100%没有看到第一种形式的访问者。 此外，1 秒的延迟有助于确保两个表单不会同时显示。


Mopinion 部署 – 同一页面上的两种形式进行 A/B 测试

一旦开始收到反馈，您就可以比较两种情况之间的反馈，例如响应率、评级（例如 CSAT、NPS），当然还有开放评论。 通过在同一图表中添加两种形式并比较响应数量，您可以轻松地跟踪您的实验。

让我们通过一个真实的 A/B 测试示例向您展示我用 Mopinion 表单完成的测试。

Mopinion 如何使用 Mopinion 进行 AB 测试

2022 年 10 月，我在我们的主页上测试了被动反馈表，一种对话式反馈表与经典反馈表。 我的 A/B 测试的目标是了解哪种反馈形式获得更多响应以及哪种反馈形式获得更高评级。 我的假设是，对话式反馈表将比经典反馈表获得更多的响应和更高的评价。


Mopinion 仪表板 – 反馈表 A/B 测试响应


Mopinion 仪表板 – 反馈表 A/B 测试平均评分

在这里，您可以看到我的实验结果以及它在我的个人仪表板中的外观。 我的第一个假设得到了支持（不显着**），因为对话反馈表收到的回复比我的经典表格多 11 个。 我的第二个假设没有得到支持（同样不显着），因为经典形式的平均评分为 3.8，比我的会话形式高 0.2 分。

通过对您的反馈表进行 A/B 测试，您可以了解哪种反馈表能给您最多的响应和最多的见解。

如果您想自己开始测试不同的 Mopinion 反馈表，请前往我们的知识库，您可以在其中找到我们的分步指南。

**测试时间不够长，无法产生显着效果，但如果反馈项目较多，您可能会产生显着效果

在 Mopinion 的帮助下开始 A/B 测试

总而言之，Mopinion 对您的 A/B 测试有很大帮助。 它可以帮助您获得有关 A/B 测试的定性数据，并了解您的受众的情绪和体验。 它用定性数据丰富了测试的定量数据。 最重要的是，它可以帮助您了解什么样的反馈表会给您带来最多的回应和见解。

我们祝您 A/B 测试好运！