A / B-Tests - wie es funktioniert

Sie können die Aktionen des Besuchers mithilfe von Statistiken und Analysen überwachen, um die Version zu ermitteln, die eine höhere Conversion-Rate ergibt. A / B-Testergebnisse werden normalerweise ausgefallen angegebenmathematical and statistical terms, aber die Bedeutung hinter den Zahlen ist eigentlich ganz einfach. Es gibt zwei wichtige Methoden, mit denen Sie die Conversion-Raten mithilfe von A / B-Tests überprüfen können:

• Abtastung von Daten
• Vertrauensintervalle

Lassen Sie uns diese beiden Methoden im Detail diskutieren.

Abtastung von Daten

Die Anzahl der Proben hängt von der Anzahl der durchgeführten Tests ab. Die Anzahl der Umwandlungsraten wird als Stichprobe bezeichnet, und der Prozess des Sammelns dieser Stichproben wird als Stichprobe bezeichnet.

Beispiel

Angenommen, Sie haben zwei Produkte A und B, Sie möchten Beispieldaten gemäß der Nachfrage auf dem Markt sammeln. Sie können einige Personen bitten, aus Produkt A und B auszuwählen und sie dann zur Teilnahme an einer Umfrage aufzufordern. Wenn die Anzahl der Teilnehmer zunimmt, wird a angezeigtrealistic conversion rate.

Es gibt verschiedene Tools, mit denen die richtige Anzahl von Stichproben ermittelt werden kann. Ein solches kostenloses Tool ist -

http://www.evanmiller.org

Konfidenzintervalle bei A / B-Tests

Das Konfidenzintervall ist die Messung der Abweichung vom Durchschnitt bei der Mehrfachanzahl von Proben. Nehmen wir an, dass 22% der Menschen im obigen Beispiel Produkt A mit einem Konfidenzintervall von ± 2% bevorzugen. Dieses Intervall gibt die Ober- und Untergrenze der Personen an, die sich für Produkt A entscheiden, und wird auch als Fehlerquote bezeichnet. Für die besten Ergebnisse in dieser durchschnittlichen Umfragethe margin of error should be as small as possible.

Beispiel

Nehmen wir an, dass wir in Produkt B eine geringfügige Änderung hinzugefügt und dann A / B-Tests für diese beiden Produkte durchgeführt haben. Das Konfidenzintervall Produkt A und B beträgt 10% mit ± 1% bzw. 20% mit ± 2%. Dies zeigt also, dass eine geringfügige Änderung die Conversion-Rate erhöht hat. Wenn wir die Fehlerquote ignorieren, beträgt die Conversion-Rate für Testvariation A 10% und die Conversion-Rate für Testvariation B 20%, dh eine 10% ige Erhöhung der Testvariation.

Wenn wir nun die Differenz durch die Kontrollvariationsrate 10% ÷ 10% = 1,0 = 100% dividieren, zeigt sich eine Verbesserung von 100%. Daher können wir sagen, dass A / B-Tests eine Technik sind, die auf mathematischen Methoden und Analysen basiert. Es gibt verschiedene Online-Tools, mit denen die A / B-Signifikanz berechnet werden kann.

http://getdatadriven.com