Code For Marketing

當行銷人想提升產品的轉換率時，會考慮的點不外乎增加廣告投放預算、嘗試多種廣告素材或文案、調整產品售價、舉行產品相關活動等等，這些都是典型的行銷操作手法，但若我們將目光放到網站本身，則有一種有效提升轉換率方式，叫做「A/B Test」。

在正式認識 A/B Test 之前，你可以先理解轉換漏斗與管道分析的概念。

轉換漏斗

最經典轉換漏斗為「AARRR」，其對應分別代表 Acquisition（獲取用戶）、Activation（成為會員）、Retention（持續回訪）、Revenue（產生營收）、Referral（推薦其他用戶）。我們可以視這個過程為一般常見的用戶旅程，也就是一個用戶在完成購買前的每個階段，且在購買後他還會向其他人推薦你的產品。

一般來說，每個網站的行銷漏斗都會略有差異，你可以透過 GA 觀察使用者路徑，制定出最適合自己的轉換漏斗。

管道分析

管道分析則是紀錄自己使用哪些管道來獲取用戶，並找到能帶來最大的商業價值的管道。假設我今天要出售一堂線上課程，分別使用了 Google Ads、臉書廣告、eDM、網站公告這四個管道來銷售，結果顯示臉書廣告能帶來最多購買用戶，則在下一波的行銷活動中，我就可以想辦法去增加臉書廣告預算或是提升轉換率，來增加購買數。

其中「提升轉換率」這個概念就可以跟漏斗分析結合，你找到了最佳管道，並針對這個管道的用戶路徑做轉換漏斗，有可能結果出來是這樣的：

FB 廣告－課程試看頁－課程介紹頁－課程價格頁。

為了提升轉換率（橫線處），我們可以利用 A/B Test 來了解該如何設計或調整每個頁面，以達成整體轉換數的提升。

正式進入 A/B Test 環節！

今天會介紹的 A/B Test 執行方式是由希平方科技 技術長 張修齊 Jasper 所分享，利用「APPEAL 五步驟一循環」的思維法則，來嘗試提升產品轉換率。

所謂的「APPEAL 五步驟一循環」代表的是：［（問題起源）、（設計假設）、（實驗原型）、（執行測試）、（結果回顧）〕獲得結果後（再來一次）。套用到上面的案例，我們可以開始去嘗試發現問題。

問題起源

假設我們發現從課程介紹頁轉到課程價格頁的轉換率極低，僅僅只有 1%，相比其他階段 5% 以上的轉換率，這是非常低的數字，我們猜測是因為進入課程價格頁的按鈕是白色，不夠明顯導致轉換率偏低。這是個問題，我們帶著它，進到下一階段。

設計假設

將問題鎖定在按鈕顏色後，我們決定將按鈕調整為紅色，以吸引用戶的目光、增加點擊機率。在歸納過整個實驗邏輯後，我們將假設定為「在將按鈕調整成紅色以後，由於用戶的目光被吸引所以更容易點擊按鈕，我們預期轉換率可以成長至 5%。」

這裡要注意，一個完整的假設應該是這樣的句子：

「因為調整了 X，影響到 Y，所以改變到 Z。」

這裡的 Z 需要是一個可量化的數字，才能讓我們在實驗完成後了解此一改動是否有達成預期目標，最好還能有「如果實驗成功，則代表…，若實驗失敗，則代表…。」的思考，這樣無論實驗成功與否，你都能學到東西。

實驗原型

一般的實驗分為實驗組以及對照組，我們會需要製作 1 個或以上的版本來幫助 A/B Test 進行。今天我們就分別製作白色與紅色按鈕的版本來進行測試，為了在跨裝置中也能正確測試，同時準備了電腦版與手機版。

在實驗中除了實驗組對照組本身以外，還牽涉到樣本數、實驗走期、變因控制、信心水準等元素，但因為牽涉到統計學，有點複雜，完全是可以獨立一篇談的程度，所以在這裡先不談，後續系列文章再做說明。

執行測試

在執行測試中，最重要的就是監測數據。根據我們的例子，最重要的數字就是課程介紹頁的訪客數以及按鈕的點擊次數，所以在實驗中一定要確保這些數據能被監測，否則就無法知道我們的假設是否能成立。

結果回顧

在回顧結果時，通常會有三種結果：

1. 正向的結果：實驗結果符合假設

此時你應該趕快上線，並持續針對此一改變做成效監測，確認轉換是否真的能長期維持在 5% 以上。

2. 中性的結果：實驗結果沒有顯著影響

再次驗證數據是否可能存在錯誤，如果沒有，那就要將整個實驗拆開來看，確認哪個環節可能假設錯誤，導致沒有出現預期成效。

3. 反向的結果：實驗結果不符合假設

先體認到一件事，實驗不符合假設是常有的事。你應該在獲得反向結果之後，依照一開始的假設去調整優化方向，而不是直接放棄這個實驗。

小結

上面的流程走過一次後，可以根據實驗結果再執行一次 A/B Test， 以達成更好的轉換率，並透過每次的結果去發想下一個實驗方向，這些就是 A/B Test 能帶來的價值，也曾有前輩說過：

「不是只做 A/B Test，而是要一直 A/B Test 下去。」

這大概就是對 A/B Test 最佳的註解了。