使用 Mopinion 進行 A/B 測試 2023 年 2 月 17 日

CRO 專家和增長營銷人員非常重視實驗和 A/B 測試。 A/B 測試或拆分測試是一種測試兩個版本的內容並比較其性能的方法。 A/B 測試的目標通常是查看哪個版本會帶來更多轉化和更高的點擊率。 定性數據通常不像原始數據那樣受到關注。 例如，特定的 A/B 測試可以帶來更多的轉化或點擊某個按鈕，但用戶的體驗或情緒可能不會更好。 單擊按鈕可能已經發生，因為您不清楚如果訪問者單擊按鈕會發生什麼。
這就是為什麼我們認為為您的 A/B 測試收集反饋並捕獲定性數據很重要。

在本文中，我們將展示兩種使用 Mopinion 進行 A/B 測試的實用方法。

1. 使用反饋表來衡量用戶如何體驗兩個不同版本的 A/B 測試。
2. 測試兩種不同的反饋形式，以衡量哪一種具有更高的響應率。

在線客戶反饋還可以幫助您形成假設，而不僅僅是基於假設。 根據您收集的反饋，您可以確定客戶在您的在線渠道上遇到的問題。 您可以使用此信息作為輸入來檢驗不同的假設。 但在本文中，我們將重點關注以上兩點。

沒時間閱讀整篇文章？ 觀看我（Mopinion 的增長營銷人員）解釋如何使用 Mopinion 進行 A/B 測試的視頻。

什麼是 A/B 測試？

A/B 測試讓您可以測試兩個版本的內容，看看哪個版本表現更好。 您為 50% 的受眾提供一個版本的內容，變體 A，同時為另外 50% 的受眾提供另一個版本的內容，變體 B。分發應該是隨機的。

接下來，您測量轉化率、點擊率或客戶體驗，以查看哪個版本的測試表現更好。 如果樣本量足夠大，您將獲得統計上顯著的結果，並知道哪個版本可以達到預期目標，從而表現更好。 那將是您將實際實施並帶來您想要的改進的版本。

您可以對什麼進行 A/B 測試？

A/B 測試通常在網站頁面、應用程序內和電子郵件等數字渠道上進行。 在您網站或應用內的（登陸）頁面上，您可以測試許多變量，例如：

• 標題和副標題
• 正文
• 顏色
• 內容類型（視頻、圖片、文字，如下圖所示）
• 佈局
• 設計
• 號召性用語 (CTA)
• 導航
• 反饋表

通過電子郵件中的 A/B 測試，您可以測試主題行、佈局、電子郵件的長度，甚至是一天中發送電子郵件的時間。

A/B 測試不限於您自己的渠道。 您還可以測試社交廣告和搜索廣告，看看哪些廣告為您的網站帶來最多流量，哪些廣告最有可能轉化訪問者。 在這裡您還可以嘗試使用顏色、設計和CTA 。

反饋表也可以用於 A/B 測試。 您不想知道哪種反饋表能給您帶來最多的見解嗎？ 在反饋表中，還有許多要測試的東西，例如佈局、複製、設計、問題順序、問題類型、反饋表類型、觸發方式和時間等等。 更改其中一個變量可能會對反饋表的響應率產生積極影響。

為什麼要進行 A/B 測試（使用 Mopinion）？

通過 A/B 測試，您將能夠對您的網站、應用程序、電子郵件或其他數字渠道進行有意義的和數據驅動的更改，從而真正實現您的預期改進。 這可以介於更高的投資回報率、更多的轉化率、更好的客戶體驗等等之間。 測試消除了猜測和假設。

現在讓我們集中討論為什麼要專門使用 Mopinion 開始 A/B 測試。 如上所述，我們將重點介紹使用 Mopinion 進行 A/B 的兩種方法。

1. 使用反饋表來衡量用戶如何體驗兩個不同版本的 A/B 測試。

衡量您的受眾如何體驗 A/B 測試的兩個版本將為您提供定性數據。 它使您可以深入了解聽眾的情緒和意見。 例如，您正在使用不同類型的內容在電子郵件中進行 A/B 測試。 您的聽眾可以對電子郵件中的反饋表進行評分並發表公開評論。 您的 A/B 測試可能導致兩個版本的評級不同。 這會影響您的 CSAT、NPS 或您正在衡量的任何其他內容，並讓您深入了解受眾的情緒。 公開評論將告訴您更多關於為什麼給出特定評級以及為什麼您的兩個版本可能存在差異的信息。 公開評論還可以讓您了解聽眾的一般意見。 除了基於點擊率和（銷售）轉化率的量化目標，您將了解您的受眾對您的電子郵件的兩個版本的看法。

雖然與原始銷售數字不直接相關的目標並不常見，但您的重點可能是創造更好的用戶體驗。 改進的體驗可以而且經常對銷售指標產生積極影響。 我們也鼓勵您在這種情況下也收集反饋，請查看以下示例。

假設您想改善特定網站頁面上的用戶體驗。 您想要測量頁面停留時間、訪問的頁面數或滾動深度。 您的實驗變體 (B) 導致訪問的頁面更多，頁面停留時間更長，這可能表明網站體驗更好。 但是，這也可能表明訪問者無法找到他們正在尋找的信息，因此他們需要更多時間或訪問更多頁面才能找到它。 您將需要收集定性數據以了解您的更改是否對體驗產生了實際的積極影響。

2. 測試兩種不同的反饋形式，以衡量哪一種具有更高的響應率。

對於使用 Mopinion 進行 A/B 測試的第二種方法——當您使用反饋表進行 A/B 測試時，例如問題順序或表單設計——您將能夠確定哪種反饋表給您最多的回复或開放評論，以及因此最有見解。

使用 Mopinion 進行 A/B 測試的兩種方法

1. 使用反饋表來衡量用戶如何體驗兩個不同版本的 A/B 測試

例子：
您正在網站的著陸頁上進行 A/B 測試。 您已經更改了頁面的佈局，如上圖所示。 您正在衡量客戶滿意度並想知道每個變體的平均評級是否不同。 進行測試後，您的原始變體(A) 的平均評分為3/5 ，而實驗變體(B) 的平均評分為5/5 。 有了足夠大的樣本量和顯著的結果，您可以說評級的差異是由於您對 B 變體所做的更改。 這清楚地表明您的訪問者對實驗變體更滿意，您應該在頁面上實施更改。

如何使用 Mopinion 做到這一點？

在您的 A/B 測試中實施反饋表並不太難，您只需要一份表格。 如果您正在測試的頁面上已經有一個在線表格，您可以保留原始表格，或者製作一個新的反饋表格並將其放在頁面上。 您必須確保它可供 100% 的受眾使用。

然後您需要做的就是將數據元素放入您的反饋表中。 數據元素需要能夠表明反饋是在哪個變體中給出的——A 或 B。請參見下圖，了解反饋表中的樣子*。


Mopinion反饋表設計-A/B測試數據元素

下一張圖片向您展示了它在收件箱中的反饋項目中的樣子。 給出的每個反饋都會將變體發送到 Mopinion，並顯示在收件箱的各個反饋項中。 這樣您就知道哪個反饋項屬於哪個測試變體。


Mopinion 反饋收件箱 – A/B 測試變體可見性

您可以在儀表板中輕鬆跟踪您的實驗。 您可以通過構建圖表並根據變體（使用數據元素）過濾評級來做到這一點。 請參閱下面的屏幕截圖，了解它在儀表板中的外觀。 您可以看到原始變體 A 的平均評分為 3，而實驗變體 B 的評分為 5。您還可以在構建圖表時看到這是否隨時間或每個受眾群體的變化而變化，有無限的可能性。


Mopinion 圖——A/B 測試每個變體的平均評分

當您看到儀表板中每個條件的差異時，您應該更深入地研究每個變體的反饋項目並閱讀打開的評論。 或許您會在那裡找到評分差異的原因，並了解聽眾的情緒和想法。

在我們的知識庫中，您可以找到有關如何使用 Mopinion 進行 A/B 測試的分步指南。 我們為三種不同的 A/B 測試工具編寫了指南：Google Optimize、Optimizely 和 AB Tasty。 當然，如果您正在使用其他 A/B 測試工具並且希望在 A/B 測試中收集反饋，我們的支持團隊會隨時為您提供幫助。

*帶有數據元素的屏幕截圖基於 Google Optimize

2. 測試兩種不同的反饋形式，以衡量哪一種具有更高的響應率。

例子：
您想要在網頁上測試兩種不同的反饋表，看看哪一種能從您的受眾那裡獲得更多響應。 您想知道您的對話反饋表是否比您的經典 Mopinion 表獲得更多回复。 進行測試後，您的會話表單有 75 個回复，經典表單有 50 個回复，而打開表單的頻率與此相同。 如果對反饋表有足夠多的回復和足夠的意見，您可以有一定的信心說，對話式反饋表會獲得更多回复，從而為您提供更多見解。

如何使用 Mopinion 做到這一點？

使用 Mopinion 可以很容易地做到這一點，因為您可以在同一網頁或應用程序頁面或電子郵件上部署兩種不同的表單。 您將需要向相同數量的人展示您的表格以進行公平測試。 每個變體將向一半或您的觀眾展示，因此劃分應為 50/50。 第一種形式（變體 A）顯示給 50% 的訪問者。 另一種形式（變體 B）顯示給 100%沒有看到第一種形式的訪問者。 此外，1 秒的延遲有助於確保兩個表單不會同時顯示。


Mopinion 部署 – 同一頁面上的兩種形式進行 A/B 測試

一旦開始收到反饋，您就可以比較兩種情況之間的反饋，例如響應率、評級（例如 CSAT、NPS），當然還有開放評論。 通過在同一圖表中添加兩種形式並比較響應數量，您可以輕鬆地跟踪您的實驗。

讓我們通過一個真實的 A/B 測試示例向您展示我用 Mopinion 表單完成的測試。

Mopinion 如何使用 Mopinion 進行 AB 測試

2022 年 10 月，我在我們的主頁上測試了被動反饋表，一種對話式反饋表與經典反饋表。 我的 A/B 測試的目標是了解哪種反饋形式獲得更多響應以及哪種反饋形式獲得更高評級。 我的假設是，對話式反饋表將比經典反饋表獲得更多的響應和更高的評價。


Mopinion 儀表板 – 反饋表 A/B 測試響應


Mopinion 儀表板 – 反饋表 A/B 測試平均評級

在這裡，您可以看到我的實驗結果以及它在我的個人儀表板中的外觀。 我的第一個假設得到了支持（不顯著**），因為對話反饋表收到的回复比我的經典表格多 11 個。 我的第二個假設沒有得到支持（同樣不顯著），因為經典形式的平均評分為 3.8，比我的會話形式高 0.2 分。

通過對您的反饋表進行 A/B 測試，您可以了解哪種反饋表能給您最多的響應和最多的見解。

如果您想自己開始測試不同的 Mopinion 反饋表，請前往我們的知識庫，您可以在其中找到我們的分步指南。

**測試時間不夠長，無法產生顯著效果，但如果反饋項目較多，您可能會產生顯著效果

在 Mopinion 的幫助下開始 A/B 測試

總而言之，Mopinion 對您的 A/B 測試有很大幫助。 它可以幫助您獲得有關 A/B 測試的定性數據，並了解您的受眾的情緒和體驗。 它用定性數據豐富了測試的定量數據。 最重要的是，它可以幫助您了解什麼樣的反饋表會給您帶來最多的回應和見解。

我們祝您 A/B 測試好運！