A/B测试,也叫对照实验和随机实验。顾名思义就是方案A和方案B的比较,为同一个目标设计两个方案,一部分用户使用A方案,一部分用户使用B方案;通过设定衡量标准,设置单一变量,比较各个变量对用户使用情况的影响程度,衡量哪个方案更佳。

此方法,不仅适合移动端产品测试,也适合应用商店内App页面转化测试,为移动营销提供更多的增加点,例如购买率,增加产品的有效下载量。这种方法的妙处在于直接提供用户多种选择,根据客户的反馈数据判断并选择最优。然而,随着A/B测试为大家知晓,并成为产品基础优化不可少的方式之一,常见的测试问题诸多,今天文公子聊聊App Store产品A/B测试中需要注意的几点小细节。希望对大家ASO优化有所帮助,并进一步提升购买率。

在正式开始介绍之前,给各位小伙伴推荐两篇文章,主要通过产品优化提升购买率:

《七大技巧教你做好App Store应用截图》

《ASO优化新思路:Preview助你登顶苹果编辑推荐》

由于产品在App Store获取用户的途径有限,经常会出现很多产品自然日新增在百级以下,在这种情况下进行A/B测试,由于样本基数小,会导致测试转化数据波动大。如何去预估测试样本的量级?可以根据产品自身的用户基数,误差范围去大概预估,可以利用第三方样品估算工具,Evan是个人比较常用的一款工具(注:需要翻墙)。

测试时尽可能进行单元素测试,整个过程的数据监控是有效,随会加大测试的工作量,但输出的效果是更为可靠有效。多元测试的问题在于监测难,即使做了需要大量的规划,也很难证明是那个因素在影响购买率。设计页面变动越多,带来的问题是定向监测难。以背景颜色测试为例,第一张截图与原图一样,依序后面四张截图与原图颜色各不相同,并呈现唯一性,这种情况下监测到的数据很难反馈出是那种背景颜色效果最优。如果这种试错成本很高,还是尽量保证让一次测试一个变化,然后进行快速迭代。

如果是简单的数据层面监测,第三方监测工具便可以满足,如友盟/TalkingData;在应用商店层面的A/B测试,我们更多关注的数据是购买率的转化情况,如果你还要进行更多的测试,可以定向开发跟踪和分析软件,监测每个页面的流失数据。

当你完成第一个测试时,外部因素可能会对实验数据产生干扰。这时,迭代测试就派上用场,不仅分析确认外部的影响因素,而且要仔细检查变动页面元素的变化情况,确保唯一性,接着,可以开始迭代测试,直至达到你想要的结果。

所有的测试尽可能控制在正常环境下。季节性的购买习惯、人口结构、市场、产品和竞争对手的变化都可能导致不一样的结果。应用市场变化莫测,要保持快速的迭代优化。要明确的一点,测试是常态,但不要让测试耽误了正常节点的活动,例如圣诞节/元旦等主题活动,做为大厂,你可以配合App Store的主题活动;对于小厂,可以适当调整元素,迎接节点。如果大家对愤怒的小鸟有关注的话,不难发现他们的icon是随着节日经常变动的。

除了上述几点,另外需要注意的时广告投放,测试期间,对于广告投放的渠道及量级要做适度的控制,不同渠道转化差异很大,不同量级导致的是数据可对照度下降。

姑婆那些事儿ios快速审核服务 点击 :http://www.gupowang.com/zhuanti/3128.html

大家都爱搜:互联网资讯类类有话说App推广运营经验线下推广活动推荐微信营销姑婆专题姑婆圈ASO校园推广地推ASO100渠道刷量校园运营团队

姑婆那些事儿(www.gupowang.com)是互联网推广运营知识分享平台,关注移动推广(android,ios)运营,网站推广运营、校园推广及互联网领域最新动态 。欢迎关注我们的微信(gupo520),新浪微博(姑婆那些事儿)。

版权声明:本文来源于互联网,仅作分享学习之用,姑婆那些事儿负责整理推荐。文章仅代表原作者独立观点,不代表本平台运营者观点与立场。如有版权问题,请联系姑婆那些事儿—小秘书(微信号:gpxms001)协商解决,谢谢!