A/B 测试有助于比较网页、电子邮件通讯、主题行、设计、应用程序等的两个版本，或者看看哪个版本更成功。

拆分测试消除了在辨别数字营销材料的外观、操作和分发方式时的猜测。我将引导您完成有关对比测试所需了解的所有内容，但如果您是视觉学习者，我已经为您提供了帮助。 

下面的视频将引导您完成您需要了解的所有内容。 

很难追踪 A/B 测试的“真正”起源。然而，就营销而言，A/B 测试（尽管其最初形式并不完善）可以说是从美国广告商和作家 Claude Hopkins 开始的。

霍普金斯使用促销优惠券测试了他的广告活动。

尽管如此，霍普金斯大学的“科学广告”流程并未包含我们今天在 A/B 测试中使用的关键原则。我们要感谢 20 世纪的生物学家罗纳德·费希尔对于那些。

Fisher 定义了统计显着性并提出了原假设，帮助 A/B 测试变得更加可靠。

也就是说，我们今天所了解和喜爱的营销 A/B 测试始于 20 世纪 60 年代和 70 年代。它还用于测试直接响应活动方法。 2000 年，我们迎来了另一个关键的营销时刻。

此时，Google 工程师进行了第一次 A/B 测试。 （他们想知道在搜索引擎结果页面上显示的最佳结果数量。）

A/B 测试对营销团队有很多好处，具体取决于您决定测试的内容。例如，您可以测试无数的项目来确定对您的利润的总体影响。

但是您不应该沉迷于使用 A/B 测试来准确找出受众对什么反应最好。让我们了解更多信息。

假设您雇用了一位内容创作者，年薪为 50,000 美元r 工资。该内容创建者每周为公司博客发布 5 篇文章，每年总计 260 篇文章。

如果公司博客上的平均帖子产生 10 个潜在客户，您可以说为企业产生 10 个潜在客户的成本略高于 192 美元（50,000 美元工资 ÷ 260 篇文章 = 每篇文章 192 美元）。这是一个重大的改变。

现在，如果您要求该内容创建者花两天时间对一篇文章进行 A/B 测试，而不是在这段时间内写两篇文章，那么您可能会花费 192 美元，因为您发布的文章较少。

但是，如果 A/B 测试发现您可以将潜在客户的转化率从 10 个提高到 20 个，那么您只需花费 192 美元即可将您的企业从博客获得的客户数量增加一倍。

如果测试失败，您当然会损失 192 美元 - 但现在您可以让您的下一次 A/B 测试更有教育意义。如果第二次测试成功，您最终花费 384 美元使公司收入翻倍。

无论如何很多时候你的 A/B 测试失败了，它最终的成功几乎总是超过进行它的成本。

您可以运行多种类型的对比测试，以使实验最终变得值得。最重要的是，这些测试对企业很有价值，因为它们成本低但回报高。

A/B 测试可能很有价值，因为不同的受众的行为是不同的。适用于一家公司的东西不一定适用于另一家公司。

让我们以一种不太可能的 B2B 营销策略为例。上周我正在查看 HubSpot 的数据以查找一篇文章。

我注意到，作为 2024 年战略的一部分，10% 的 B2B 营销人员计划减少对 NFT 的投资。

我的第一个想法是，“嗯，B2B 中的 NFT？”

然后它击中了我。为了减少这种情况，B2B 营销人员必须首先使用 NFT。比这一发现更令人惊讶的是，34% 的营销人员计划增加作为 B2B 战略的一部分，放宽对 NFT 的投资。

这只是转化率优化 (CRO) 专家讨厌“最佳实践”一词的一个例子。因为“最佳实践”？好吧，这实际上可能不是您的最佳实践。

但是，如果您不小心的话，这种测试可能会很复杂。因此，让我们回顾一下 A/B 测试的工作原理，以确保您不会对受众的喜好做出错误的假设。

来源：hubspot