透過 HubSpot 排除主觀因素，利用 A/B Test 得到最客觀的答案

數位行銷（Digital Marketing）中最重要的就是「數據」。有效的數據除了能讓行銷人員實時掌握行銷方案的效果，同時也能及時發現不足進行優化。然而，數位廣告存在極高的主觀性，一個充滿設計感的圖片一定就能吸引消費者嗎？因此，行銷人員必須將數位行銷中所涉及的元素（例如：文案、顏色、排版等）進行量化，從而通過數據來判斷不同顏色對消費者所產生的影響是否存在差異。

通過行銷自動化平台執行A/B Test，便可高效判斷能夠提高轉換率的設計方案。

文章目錄

什麼是A/B Test？

顧名思義，A/B Test是將A和B兩種設計方案進行比較測試，選出最有效的版本進行持續推廣，從而提高整體效益。A/B Test可以應用在任何與設計相關的情景中，包括網頁、 app 介面、廣告、Call-to-action按鈕等等。A/B Testing 的基礎來源於統計學的假設檢定(Hypothesis Testing)，運用科學的方式去降低創意發想過程中的主觀性。

在行銷創意的討論過程中，廣告主、行銷人員、設計師經常會為了設計方案而爭論不休，每個人都有自己的主觀判斷和想法。這時A/B Test便可呈現最客觀的數據，以此說明對於潛在消費者最有吸引力的版本，讓所有人心服口服。

為什麼要做A/B Test?

1. 運用數據進行優化。

進行A/B Test一大重點就是降低主觀因素的影響，運用客觀數據進行驗證，進而做出科學的決策。

2. 降低試錯風險

相對於每次都要在設計上做出大幅度的調整，A/B Test中只需要進行細部的修改，成本相對較低。而且在每次測試當中只會影響的一般的目標受眾，不會有太大的風險。

3. 找到決定性因素，提升轉換率

A/B Test通過不斷的測試，最終能夠協助行銷人員大幅度提升轉換率。同時，通過持續測試小元素的差異，也可找到影響客戶決策的必要原因。

A/B Test怎麼做？

1. 選定「一項」要測試的元素

為了更有效的驗證某項元素對於客戶反饋的影響，必須要將這些元素分別進行測試。以網頁為例，網頁可能有各式各樣的元素組成，包括圖片、文案、表格、按鈕等等。這些元素都會影響客戶的閱讀體驗，進而影響到轉換率，若是在兩個版本的網頁針對不同元素做出調整，即使發現某一版本表現更好，也無法準確判斷是哪個因素造成的。

因此實驗組和對照組的差異需要有一定的局限性，即使小到按鈕的顏色，字體的粗細，都沒有問題！

2. 制定判斷標準

進行A/B Test的目的就是要找出更有效的設計方案，因此必須要設定一個「勝出」的標準。若是針對Facebook廣告進行A/B Test，那麼點擊率就是一個重要的判斷標準，由此來驗證哪種版本的設計可以更有效地吸引潛在客戶進行點擊。若是針對Email進行A/B，開信率或轉換率都可以作為判斷的標準。

3. 劃分實驗組和對照組

在開始進行實驗之前，要先確認好實驗的對象。實驗組和對照組必須要是隨機分配而成，並且沒有顯著的行為差異。若是要測試Email的開信率，如果其中一組人員本來就對行銷Email反應不佳，那這樣得出的測試結果就不夠客觀。同時，針對兩組人員進行測試的時間也需要相同，這樣才能最大可能的限制其他客觀因素對於測試結果的影響。

4. 設定「勝出」條件

如前文提到，A/B Test的統計學基礎來源於假設檢定(Hypothesis Testing)，因此要判斷其中一個版本勝出，兩者的結果必須存在顯著性差異(significance difference)。目前現行的A/B Test工具都可自動計算並協助使用者判斷勝出的版本。
* 若想深入了解顯著性差異(significance difference)，請點擊此處。