# What is A/B Testing? A/B測試
## 📌 A/B Testing Introduction

「簡單來說，A/B測試就是一個方法」:比較兩樣東西A和B，看A或B誰表現得更好。
A和B有可能是兩個網頁、兩個APP或者兩個產品，目的就是運用統計學上的假設檢定和雙母體假設檢定，觀察或測試某一個變量在兩個版本的差異，最後判斷A和B何者較佳。


## 📌How A/B Testing works?

在一個A/B測試中，通常會控制一個變因(變因數量取決於實驗如何設計)，例如：A網頁維持原版，然後B網頁是改良版本，最後將後台的流量進行比較與分析便能了解誰的表現更為亮眼。故A/B測試經常使用在電商網站上，因為電商網站的跳出率(drop-off rate)只要有些微的改善便可能大大地影響營業額。

## 📌A/B Testing process

**1.資料蒐集(Collect Data)**
首先要找到你的網站或APP哪一個部分容易產生低轉換率(conversion rate)和高跳出率的環節，蒐集這些資料能使之後的優化更加具體和明確。

**2.訂定目標(Identify Goals)**

確定所設定的目標有機會在未來產生比舊有版本更好的效益。目標可以是換不同顏色的按鈕或是增加一個email寄信的欄位等等。

**3.產生假設(Generate Hypothesis)**

一旦設定好目標，便可著手思考A/B測試的可行方法，然後將其分類輕重緩急(prioritize)還有執行上的困難度(difficulty of implememtation)。

**4.設定變因(Create Variations)**

變因可以有很多種，更換網頁上物件擺放的順序、客製化不同的網頁風格、不同物件主題和配色等等。市面上也有許多A/B測試的編輯器可以讓你更好的上手。

**5.執行實驗(Run Experiment)**

當受測者造訪你的網頁時，可能會被隨機指派到你的控制變因組或操控變因組，其與網頁的互動都會被記錄、測量和計算。

**6.分析結果(Analyze Results)**

當實驗結束後，會得出兩組結果，將其分析比較後，可以判斷出兩結果的差異是否具有統計上的顯著性。

## 📌Example: Obama 2012 election

歐把馬在2012的選戰行銷就是一個極其著名的例子，其競選團隊藉由不同的網站風格和設計來判斷使用者最喜好的排版，A/B測試在背後發揮極大的功效。據資料統計，最終「網站登錄人數增加40％，電子郵件增加300萬件，義工增加30萬人，捐款多了6000萬美元」，著實可觀！


## 📌Comments
Please feel free to correct my mistakes in the article😊.
If u have any further questions or cooperation opportunities, please contact me via
Email📬: [e-mail]

## 📌References
1. Optimizely A/B Testing https://reurl.cc/0jbDXM
2. Wiki A/B Testing https://reurl.cc/lRb0Z6
3. 善用A／B測試，歐巴馬、Google、Amazon贏的共同秘密 https://reurl.cc/pgbmQb
4. Key Principles To Improve Your Marketing ROI https://reurl.cc/W3Y34y

##### tags: `Statistics` , `SEO`, `Data Analysis`