A / B 테스트 – 작동 원리

통계 및 분석을 사용하여 방문자의 행동을 모니터링하여 전환율이 더 높은 버전을 확인할 수 있습니다. A / B 테스트 결과는 일반적으로 화려하게 제공됩니다.mathematical and statistical terms하지만 숫자의 의미는 실제로 매우 간단합니다. A / B 테스트를 사용하여 전환율을 확인할 수있는 두 가지 중요한 방법이 있습니다.

• 데이터 샘플링
• 신뢰 구간

이 두 가지 방법에 대해 자세히 설명하겠습니다.

데이터 샘플링

샘플 수는 수행 된 테스트 수에 따라 다릅니다. 전환율의 수를 샘플이라고하고 이러한 샘플을 수집하는 과정을 샘플링이라고합니다.

예

두 제품 A와 B가 있고 시장 수요에 따라 샘플 데이터를 수집하려고한다고 가정 해 보겠습니다. 몇 사람에게 제품 A와 B를 선택하도록 요청한 다음 설문 조사에 참여하도록 요청할 수 있습니다. 참가자 수가 증가함에 따라realistic conversion rate.

정확한 샘플 크기 수를 결정하는 데 사용할 수있는 다양한 도구가 있습니다. 사용 가능한 무료 도구 중 하나는 다음과 같습니다.

http://www.evanmiller.org

A / B 테스트의 신뢰 구간

신뢰 구간은 여러 샘플의 평균 편차를 측정 한 것입니다. 위의 예에서 22 %의 사람들이 신뢰 구간이 ± 2 % 인 제품 A를 선호한다고 가정 해 보겠습니다. 이 간격은 제품 A를 선택한 사람들의 상한과 하한을 나타내며 오류 한계라고도합니다. 이 평균 설문 조사에서 최상의 결과를 얻으려면the margin of error should be as small as possible.

예

제품 B에서 약간의 변경 사항을 추가 한 다음이 두 제품에 대해 A / B 테스트를 수행했다고 가정 해 보겠습니다. 신뢰 구간 곱 A와 B는 각각 ± 1 %로 10 %, ± 2 %로 20 %입니다. 그래서 이것은 사소한 변화가 전환율을 증가 시켰음을 보여줍니다. 오차 한계를 무시하면 테스트 변형 A의 전환율은 10 %이고 테스트 변형 B의 전환율은 20 %입니다. 즉, 테스트 변형이 10 ​​% 증가합니다.

이제 차이를 제어 변동률 10 % ÷ 10 % = 1.0 = 100 %로 나누면 100 %의 개선을 보여줍니다. 따라서 A / B 테스트는 수학적 방법과 분석에 기반한 기술이라고 말할 수 있습니다. A / B 중요도를 계산하는 데 사용할 수있는 다양한 온라인 도구가 있습니다.

http://getdatadriven.com