本文版权归“网站分析在中国CWA”及其作者宋星，欲转载，请联系作者

　　举一个网站分析常见的例子——我们现在觉得首页不那么好了，于是我们让设计部门设计了一个新的首页。新的首页看起来很不错，但我们不知道我们目前网站的用户是否喜欢它。于是我们做AB测试——我们把原来的首页(A页面)和新设计的首页(B页面)同时上线，我们的用户还是输入以前网站的域名，所有的流量渠道也仍然都指向以前的首页(A页面)。但奇妙的是，尽管所有的流量都是进入的A页面，但一部分的用户(一般都是一半的用户)看到的并不是A页面，而是B页面，并且他们将一直看到B页面，而另外一部分用户则还是一直看到A页面，直到测试结束。这部分看到B页面的用户使我们专门选出来的吗?完全不是，他们是完全随机被分配到B页面的。

　　图7

　　因此，AB测试做同一页面的不同版本分析真是太好了——它不受时间的影响，因为测试是同时发生的，它也不受样本的影响，因为所有的用户都可以参与测试，而且用户的分配也是完全随机的。

　　这里顺便描述两个概念，值得被记住——分配到原始的A页面的用户叫做对照组(control group)，分配到B页面的用户叫做曝光组(exposure group)。

　　AB测试并不是只用于测试两个对象，其实可以测试两个或两个以上的对象，在测试多于两个对象的情况下，对照组就相应增加而已，每个对象分配到的用户比例就相应减少了。

　　AB测试的原理就是这么简单，但还有一些其他的注意事项和使用方法，在今天的文章中就不多谈了，我们在未来的文章中做相应的专门的介绍。

　　AB测试确实能够帮助我们解决一些悬而难决的问题。在前面的那个酒店网站的例子中，我们可以通过AB测试决定什么样的图片或者评论更能够增加转化。

　　产品经理告诉我，他的经验是带有干净浴室的图片更能引起人们对于整个酒店好的感觉(事实上这个经验可以通过网站分析的方法进行验证，即查看那些洗浴间的照片是否会被更多的查看，但由于照片排放位置因素的影响，这个验证稍微有些麻烦)，于是我们把一个酒店的图片分为三类，一类没有洗浴间的照片(A)，另外一类带有普通洗浴间的照片，并未做特别的优化(B)，最后一类是选择性优化拍摄和处理的洗浴间的照片(C)。在此基础上，我们为这个酒店的booking page做了专门的三个版本，除了照片不同，其他完全一样。 (责任编辑：admin)