設(shè)計(jì)師如何使用用戶研究優(yōu)化A/B測試

A/B 分類測試

A/B分類測試使得網(wǎng)站可以通過比較同一網(wǎng)頁的不同設(shè)計(jì)，來決定其中哪些設(shè)計(jì)將產(chǎn)生最好的結(jié)果。在A/B測試中用到的指標(biāo)是微觀和宏觀的轉(zhuǎn)化率。隨著那些不需要太多開發(fā)協(xié)助和技術(shù)資源就能運(yùn)作A/B測試的工具的出現(xiàn)，A/B測試已經(jīng)變得愈加常見。這個(gè)方法本在市場營銷從業(yè)者中有著很穩(wěn)的立腳點(diǎn)，而因?yàn)槌杀鞠鄬^低，它也正在越來越廣泛地被用戶體驗(yàn)設(shè)計(jì)師們所運(yùn)用。許多大型電子商務(wù)網(wǎng)站如谷歌及亞馬遜都以“總在測試中”而著稱－－他們在任何適合都同時(shí)進(jìn)行著多組A/B測試。

（來自Netflix分享ppt）

無用輸入，無用輸出（GIGO）

使用得恰當(dāng)時(shí)，A/B測試是一個(gè)非常強(qiáng)大的工具。然而以下三種情形下的A/B測試還是會(huì)有潛在的問題：

1）當(dāng)所要測試的設(shè)計(jì)元素并沒有很好地提現(xiàn)設(shè)計(jì)意圖。

糟糕的設(shè)計(jì)會(huì)導(dǎo)致糟糕的轉(zhuǎn)換率 – 這很顯而易見。但是，每個(gè)設(shè)計(jì)都是一個(gè)產(chǎn)品概念的后續(xù)執(zhí)行，因而通過設(shè)計(jì)的實(shí)施來評判一個(gè)產(chǎn)品概念本身的優(yōu)劣是很可笑的。通常要經(jīng)過許多次設(shè)計(jì)嘗試才能充分地體現(xiàn)出真正的設(shè)計(jì)意圖。

比如說，你可以認(rèn)為理論來說，增加對某一選項(xiàng)的說明會(huì)增加其被選擇的可能性，然而如果這條描述表達(dá)得像一則廣告，用戶就可能會(huì)無視。這個(gè)增加選項(xiàng)的說明的設(shè)計(jì)意圖是對的，但其表達(dá)形式卻是錯(cuò)的。因此設(shè)計(jì)意圖和設(shè)計(jì)結(jié)果的偏差可能會(huì)是致命的。

當(dāng)設(shè)計(jì)元素本身并不能告訴你問題的源頭在哪。對問題起因的錯(cuò)誤推測，也會(huì)讓你在錯(cuò)誤的設(shè)計(jì)元素上浪費(fèi)時(shí)間，因?yàn)樵撛貐s并非是該問題背后真正的原因。即便修改這個(gè)設(shè)計(jì)元素也不能真正解決問題，因?yàn)槟愕那腥朦c(diǎn)一開始就錯(cuò)了。比如，你可能猜測一個(gè)貸款申請?zhí)峤晦D(zhuǎn)化率低是因?yàn)榱鞒痰捻撁嫣嗔?，所以你把它濃縮到一個(gè)頁面里，但是你仍看不到任何轉(zhuǎn)化率的提升。你忽略的是，用戶真正的問題是找不到貸款利率，而他們點(diǎn)進(jìn)申請頁面其實(shí)是為了找貸款利率。

2）當(dāng)設(shè)計(jì)只是設(shè)計(jì)者的主觀猜想。

使用A/B測試時(shí)你只能從已提供的設(shè)計(jì)選項(xiàng)中找到最佳的那個(gè)。如果這些選項(xiàng)是基于主觀經(jīng)驗(yàn)和意見的話，誰又能說這個(gè)測試包含了最優(yōu)的設(shè)計(jì)呢？

3）這些A/B測試實(shí)驗(yàn)過程當(dāng)中的瑕疵可以通過用戶研究來減少。

即使只實(shí)施了些許的用戶研究，我們?nèi)阅塬@取一些極其寶貴的有關(guān)于轉(zhuǎn)化率問題的潛在原因的線索。

發(fā)現(xiàn)真正原因，定義更好的設(shè)計(jì)

發(fā)現(xiàn)（造成轉(zhuǎn)化率低的）真正原因，定義更好的（用于測試的）設(shè)計(jì)。

“實(shí)驗(yàn)可以證實(shí)一個(gè)理論，但實(shí)驗(yàn)永遠(yuǎn)無法創(chuàng)造出一個(gè)理論。 ” － 愛因斯坦

要保證A/B測試執(zhí)行得好，需要定義以下這幾步：

你可以先集中全部精力建立一套致因體系，并羅列設(shè)計(jì)元素的可能性，然后用A/B方法把他們?nèi)繙y試一遍：這是最直接了當(dāng)卻不免有一些魯莽的方法。不經(jīng)深思熟慮的 A/B測試等同于把想法往墻上扔然后看哪個(gè)能黏住。不幸的是，你做不起這樣的測試：這樣大規(guī)模地測試會(huì)增大用戶放棄操作的幾率，并且使總體驗(yàn)變糟糕。當(dāng)你等著從大量A/B測試像抽中彩票一樣找到最好的方案，用戶可能已經(jīng)轉(zhuǎn)而使用了他們第二選擇的產(chǎn)品。他們可能最終認(rèn)定你的網(wǎng)站是失敗的，以后再也不來了。你需要縮小假設(shè)的數(shù)量范圍，并且小心謹(jǐn)慎、高效地部署你的A/B測試；為達(dá)到此目的，我們推薦使用用戶研究的方法。

提升最優(yōu)化測試的用戶體驗(yàn)研究方法

1）定義用戶意圖和可能反對的理由

理解人們?yōu)楹卧L問、是否能成功訪問、和他們?yōu)楹螘?huì)離開，是相當(dāng)重要的。如果你錯(cuò)誤地假設(shè)了人們訪問網(wǎng)站的原因，那么你的起因理論和設(shè)計(jì)假設(shè)將不能夠反應(yīng)用戶感知該環(huán)境的真實(shí)情況。沒有做過調(diào)查就對用戶離開的原因做假設(shè)是很危險(xiǎn)的。舉個(gè)例子，假定你假設(shè)訪問者沒有做意想中的操作（買單）是因?yàn)閮r(jià)格太高，你于是將價(jià)格降低，邊際利潤就受到了打擊。如果人們真正不買賬的原因不是價(jià)格，而是他們不理解你提供的服務(wù)所解決的需求是什么，那么你就大錯(cuò)特錯(cuò)了。

讓我們來看看Netflix是怎么做的：

Netflix就做了一個(gè)很有趣的A/B測試來了解影響轉(zhuǎn)化率的因素。Netflix的主頁上展示了大量的影視作品，然而不同用戶所看到的是不一樣的。作為其A/B測試的一部分，這是該公司對用戶提供的個(gè)性化推薦。然而，不僅如此，Netflix更對看到同一個(gè)影視產(chǎn)品推薦的用戶進(jìn)行了分批測試。他們讓視覺設(shè)計(jì)師重新設(shè)計(jì)了不同版本的影視劇海報(bào)，并將這一變量用于A/B測試。得到的結(jié)果是，即便是同一個(gè)作品，不同的海報(bào)仍會(huì)造成不同的轉(zhuǎn)化率。這就印證了造成用戶離開或點(diǎn)擊的理由是多樣化的。因此不要局限于那些明顯的理由，而要深掘用戶可能關(guān)注的點(diǎn)。有時(shí)候用戶說的不一定是他們所做的，所以往往觀察比問卷調(diào)查能提供更為真實(shí)的用戶使用傾向。

（圖片來自Netflix博客）

（圖片來自Netflix博客；右上的兩張標(biāo)注的圖片顯著地提高了轉(zhuǎn)化率）

2）發(fā)現(xiàn)界面的缺陷

如果你忽視了重大的可用性問題，比如讓人難以理解的交互流程，或容易造成誤解的微交互，那么你可能不會(huì)從不斷的A/B測試中獲得轉(zhuǎn)化率的提升，因?yàn)槟愕脑O(shè)計(jì)并沒有應(yīng)對問題的根源。舉個(gè)例子：如果你提供的填空題中有幾項(xiàng)要求的信息是用戶不方便或不愿意提供的，那么僅僅靠更改提交按鍵的顏色來做A/B測試是不會(huì)有效提升轉(zhuǎn)化率的，反而是浪費(fèi)力氣。理解低轉(zhuǎn)化率的真正原因才是執(zhí)行智慧、成功的測試的關(guān)鍵。

如何發(fā)掘界面的缺陷：可用性測試（遠(yuǎn)程主持或免主持，或當(dāng)面）可以快速進(jìn)行并可在五個(gè)左右用戶的幫助下就揭露網(wǎng)站近85%的重大缺陷。

3）衡量網(wǎng)站的可尋性

測試導(dǎo)航標(biāo)簽和菜單設(shè)計(jì)能披露可尋性的問題。但是，糟糕的可尋性可以并且應(yīng)該在實(shí)施A/B測試之前就確認(rèn)，這直接影響了信息架構(gòu)和站內(nèi)導(dǎo)航。

如何衡量可尋性：樹圖測試可以在不影響任何界面設(shè)計(jì)的情況下測量一個(gè)已有的或設(shè)定的信息架構(gòu)。樹圖測試會(huì)告訴你標(biāo)簽、鏈接分組、頁面層級及命名系統(tǒng)是否直觀。如果你在糾結(jié)如何命名網(wǎng)站中的區(qū)塊、頁面、鏈接以及標(biāo)簽，樹形測試能幫你找出最有問題的命名，并幫你設(shè)計(jì)出能改善可尋性的新標(biāo)簽。樹圖測試可以用Optimal Workshop開發(fā)的Treejack這樣的工具進(jìn)行，它生成可用于測試信息架構(gòu)的任務(wù)。

3）測試前先”鋪好路”

最簡單的方法，就是開始在A/B測試前，先把那些可能會(huì)影響用戶操作的絆腳石解決掉。一般幾個(gè)小時(shí)的測試即能揭露幾乎所有你網(wǎng)站上特別糟糕的設(shè)計(jì)。更為復(fù)雜和完善的用戶研究當(dāng)然益處更多，但不要忽視了最基本的審查清理工作。對A/B測試而言，你當(dāng)然希望所要測試的目標(biāo)元素不會(huì)受到其它可用性問題的干擾，而是能被用戶更好的體驗(yàn)到。所以開始測試前先做一次“路障清理”吧。

結(jié)語

結(jié)合不同方法最大化轉(zhuǎn)化率。

A/B測試是一個(gè)絕妙的工具，卻時(shí)常不幸被誤用。如果用A/B測試替代用戶研究，那么測試中的設(shè)計(jì)選項(xiàng)本質(zhì)上只是主觀猜測。你可以通過結(jié)合用戶研究來更精準(zhǔn)的找到問題起因、提出更符合現(xiàn)實(shí)的假設(shè)，從而為更好的測試結(jié)果提供更大的可能。

英文原文：Jennifer Cardello, Define Stronger A/B Test Variations Through UX Research.