本文介绍了一种广泛应用于互联网公司的决策方法：A/B测试。通过对比不同方案的效果，A/B测试帮助谷歌、奥巴马竞选团队和抖音等成功优化产品和策略。案例包括奥巴马竞选页面转化率提升40.6%，以及抖音母公司字节跳动如何通过A/B测试确定最佳APP名称。
今天我们来讲一个互联网时代的领头羊公司--谷歌最常用的决策方法：A/B测试。
它不仅可以用在计算机科学方面，还可以用于商业决策、广告投放、政治竞选等多个领域。
它的核心思想就是数据驱动，使用实验和数据来告诉我们哪种方案是可能的最佳方案。
什么是A/B测试？
A/B测试是一种产品优化的方法，首先为同一个优化目标制定两个（或多个）方案（以页面为例）。
接着让一部分用户使用 A方案，同时另一部分用户使用 B方案。
最后统计并对比不同方案的转化率、点击量、留存率等指标，从而判断不同方案的优劣并进行决策。
举个栗子
在实际决策中，A/B测试往往能成为成功的关键。
2008年，贝拉克·奥巴马在大选中胜出，担任美国第44任总统。
而最初，奥巴马的总统宣传竞选页面上，网站转化率并不尽如人意。尽管访问次数并不逊色，但是真正愿意了解奥巴马竞选理念的人却寥寥无几。
因此，他的竞选宣传团队决定采用A/B测试，试行16种页面方案：
图一中的图片或视频与图二中的不同文案按钮任意组合，形成4*4共16种不同方案组合，每个方案都分配一定比例的流量，观察一段时间后，从中选择转化率最高的方案，推广到全部用户。
最终他们选择采用如下方案，竞选页面"change"的转化率也随之提升了40.6%：
其团队事后给出的解释是：视频播放给用户很大压力，且当时的网络环境不能保证播放效果，故视频不如图片。
且美国人崇尚家庭文化，一副温馨的全家福图片能拉近与选民的距离。
至于按钮文案，则是因为美国选民的独立思考意识高，“join us”、“sign up”等文案让人感觉非常简单粗暴，有煽动的嫌疑，所以大家更接受平和一点的“learn more”。
再来举个例子
在商界，使用A/B测试进行决策的案例更加比比皆是：
抖音，目下如日中天的公司，火遍大江南北。从2017年下半年开始，抖音就呈现出现象级爆发式增长，甚至让腾讯感到深深的危机感。
其母公司字节跳动（今日头条），估值750亿美元，本身就是一个非常讲究实验、以A/B测试驱动科学增长的公司。
A/B测试对头条系产品来讲是很自然的事情，从一开始其创始人、CEO张一鸣就非常注重A/B测试的使用。
36Kr曾在一篇报道中写道，“头条发布一个新APP，其名字都必须打N个包放到各大应用市场进行多次A/B测试而决定。”
张一鸣告诉同事：“哪怕你有99.9%的把握那是最好的一个名字，测一下又有什么关系呢？”
于是，数据思维在给APP起名之初就被运用了。没有头脑风暴，没有投票，没有老大拍板儿，而是采用科学实验的方式，通过数据分析确定了头条的名称。
他们将App Store上各类免费榜单的前10名整理出来，然后根据名字归类（朗朗上口白话类，内涵情怀类，模拟特殊声音类，公司名+用途类等），分析各类数量占比，得出结论：朗朗上口的大白话效果最好。
然后，分渠道A/B测试，确定先验效果类似的发布渠道，分别投放，界面功能logo完全一样，统计各个渠道的用户下载和活跃等核心数据指标，最终确定了APP名称：《今日头条》。
其实，从某种意义上讲，第一个进行A/B测试的应当是自然界。
生物群体为了适应多变的环境，每天都在发生基因的变异，最终物竞天择，适者生存，最适应环境的基因被选择了。
这个精巧绝伦的生物算法恐怕是造物者布置的最成功的A/B测试吧。
为啥重要？
当下社会，随着互联网和大数据技术的不断发展，获取和分析用户数据变得越来越容易，各种数据分析工具层出不穷。
A/B测试的方法和思想原来只是被技术研发人员使用，现在却成为了项目经理，运营以及商业分析等岗位的能力要求。
以今日头条校园招聘为例，数据分析师，运营及商业化岗位均要求具有数据驱动及A/B测试的技能或将其作为加分项。
看完了上文，相信大家已经掌握了A/B测试这个技能理念，即把不同的想法推给不同的客户做实验，根据用户的指标反馈来决定哪一个想法更好。
而A/B测试背后的思想是什么呢？——数据驱动。
数据驱动就是使用数据和事实来做出决策，而不是依靠经验和规则。
随着物联网的兴起，越来越多影响人们生活的APP的出现，获取数据已经不是问题。
而大数据和人工智能技术的不断成熟也令分析数据也变得越来越简单，我们应该站在巨人的肩膀上，用好各种数据分析工具，利用数据和事实做决策。
进一步说，重视实验，尊重实验结果也是科学的核心思想，从今天开始，使用数据来做科学决策吧！
- END -
扫一扫
6万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
