此文是酒店标识设计公司关于设计公司如果推广和营销企业的分享，酒店标识设计公司旨在想让更多的设计公司提高设计业务能力！

注：配图为UCI设计公司作品

酒店标识设计公司转发原文直译：

A/B测试是确定哪种营销信息变化会提高转化率（从而可能提高销售额和收入)的好方法。 你们中的许多人已经使用了A/B测试，但是你可能需要一些帮助来理解所有结果的含义。我在这里的目标是解释与A/B测试相关的数字，而不是陷入数学方程和技术解释。 A/B测试结果通常以花哨的数学和统计术语给出，但数字背后的含义实际上相当简单。理解核心概念是重要的部分。让计算器和软件来完成剩下的工作吧！ 抽样和统计显著性 首先要讨论的概念是抽样和样本量。确定一组测试的结果是否有用在很大程度上取决于所执行的测试的数量。每个A/B测试的转换测量值是一个样本，收集这些测量值的行为称为抽样。让我们假设你拥有一家快餐店，并且想知道人们是喜欢薯条还是洋葱圈。(如果你已经在做生意，你可能会从每家公司的销售中知道答案。)让我们假设你还没有开始做生意，想估计哪一种卖得更多，这样你就可以相应地预购每一种的存货。 现在，假设你在餐馆所在的城镇里随机调查一些人，问他们更喜欢哪一个。如果你总共只问三个人，其中两个人说他们更喜欢洋葱圈，你会相信三分之二的顾客会喜欢洋葱圈，然后按比例订购存货吗?

大概不会。 随着您收集更多的测量数据（或样本，在这种情况下，询问更多的人),统计结果会稳定下来，并更接近您在实践中实际看到的结果。这不仅适用于薯条和洋葱圈，也同样适用于网站和营销策略的改变。 目标是确保您收集了足够的数据点，以便根据结果自信地做出预测或改变。虽然确定显著性所需的适当样本数背后的数学有点技术性，但有许多计算器和软件应用程序可以提供帮助。例如，evanmiller.org有一个你现在就可以开始使用的免费工具：置信区间 很可能你见过置信区间，它是一个估计值可靠性的度量，一般写成以下形式：20.0% 2.0%。 让我们假设你对足够数量的人进行了炸薯条和洋葱圈的对比调查，以确保统计显著性，这是你通过使用可靠的统计计算器或软件工具确定的。(注意样本人群（人口统计等。)也很重要，但是为了简单起见，我们将省略这个讨论。) 假设结果显示20%的被调查者更喜欢洋葱圈。现在，注意置信区间的2.0%部分。这表明了喜欢洋葱圈的人的上限和下限，被称为误差范围。它实际上是对多次重复实验与真实平均值的偏差的测量。 回到2%的误差范围，从20%减去2%得到18%。20%加上2%就是22%。因此，我们可以自信地得出结论，18-22%的人更喜欢洋葱圈。误差幅度越小，我们对平均结果的估计就越有信心。 假设一个良好的样本人口和规模，这基本上告诉我们，我们可以自信地假设，如果我们能够以某种方式调查，例如，在美国的每个人，95%的调查答案收到的洋葱圈将位于18-22%之间。换句话说，我们可以相对确定18-22%的美国人喜欢洋葱圈胜过炸薯条。 因此，如果我们下订单为我们的餐厅进货，我们可能希望确保洋葱圈和薯条库存的22%是洋葱圈，其余是薯条（即78%)。那么，假设总库存足够两次订购之间的时间，我们就不太可能用完任何一种。 A/B测试中的置信区间 将此应用于网站变更的A/B测试会得出相同类型的结论，尽管我们需要比较测试A和测试B的置信区间，以得出关于结果的有意义的结论。 所以，现在，让我们假设我们在网页上放了一个新奇的"立即购买"按钮，并希望它能带来更多的转化率。我们运行A/B测试，使用我们当前的按钮作为控制，使用我们漂亮的新按钮作为测试变体。 在通过我们的A/B测试软件运行这些数字后，我们被告知，我们的控制变量（测试答的置信区间为10.0% 1.5%,我们的测试变量（测试b)的置信区间为20.0% 2.5%

注：配图为UCI设计公司作品

酒店标识设计公司

通过酒店标识设计公司的精彩分享，设计师更轻松快捷地掌握酒店标识设计公司分享的营销与设计知识，帮助北京vi设计公司更好地服务好客户 。