A/B 测试与增长实验
"改一改看看会不会好"——这是感觉驱动的决策。A/B 测试让你用数据回答这个问题。电商每一处改动（标题、按钮颜色、运费策略）都可以测试，找到真正推动转化的杠杆。
什么是 A/B 测试
A/B 测试 = 同时给两组访客看不同版本，
用数据判断哪个版本表现更好。
控制组（Control）= 原始版本
测试组（Variation）= 改动后的版本
同时运行 → 避免时间因素干扰 → 统计显著后得出结论
哪些值得测试
电商中最值钱的 A/B 测试，按 ROI 排序：
优先级 测试点 预期影响
──────────────────────────────────────────────────────────────
🔴 必测 产品主图 转化率 ±20–50%
🔴 必测 价格展示方式（划线价/分期） 转化率 ±10–30%
🔴 必测 "加入购物车"按钮文案/颜色 转化率 ±5–15%
🟡 重要 产品标题 搜索流量 + 转化
🟡 重要 邮件主题行 打开率 ±20–40%
🟡 重要 首页 Hero Banner 跳出率、加购率
🟢 可选 评价展示位置 信任感
🟢 可选 结账按钮颜色 微小提升
🟢 可选 运费门槛金额 客单价
A/B 测试的正确流程
flowchart TD
A[提出假设\n改产品主图会提升转化率] --> B[计算所需样本量\n保证统计显著性]
B --> C[设置测试\n50% 流量看A, 50% 看B]
C --> D{达到样本量了吗?}
D -->|否 继续等| D
D -->|是| E[分析结果\n转化率差异 + 置信度]
E --> F{统计显著吗?\n95% 置信度}
F -->|是| G[推全量赢家版本]
F -->|否 差异太小| H[扩大样本量或\n放弃这个变量]
G --> I[记录结论\n推下一个测试]
样本量：多少访客才够
A/B 测试最常见的错误：样本量不足就草率得出结论。
粗略估算方法：
当前转化率 = 1.5%（假设）
目标提升 = 20%（即达到 1.8%）
置信度 = 95%
所需每组样本量 ≈ 8,000 访客（总共 16,000 次访问）
如果日均流量 500 访客 → 需要 32 天完成测试
如果日均流量 2,000 访客 → 需要 8 天完成测试
→ 流量太少 → 测试周期太长 → 优先做"大改动"（影响大的变量）
→ 流量大的店 → 可以快速测很多小细节
在线计算器：
Optimizely Sample Size Calculator
Evan Miller's A/B test sample size tool
用 Shopify 做 A/B 测试
方法 1：Google Optimize（已停止）+ GA4 实验
Google Optimize 已于 2023 年停止服务。
现在推荐：Shopify 自带的 A/B 功能（主题编辑器）
或第三方应用。
方法 2：Shopify 应用
应用名 价格 适合场景
──────────────────────────────────────────────────────────
Intelligems $99/月 价格测试（最专业）
Shoplift $149/月 全站 A/B（高流量店）
ABConvert $19/月 产品页、按钮文案测试
Convert $299/月 企业级（大流量必备）
方法 3：最简单的手动测试（零成本）
场景：测试两个不同的产品主图
步骤：
1. 第一周：用图片 A，记录转化率
2. 第二周：用图片 B，记录转化率
3. 对比差异
⚠️ 局限性：时间因素会干扰结果（周末 vs 工作日流量不同）
适合：低流量初创店，做方向性判断
邮件主题行 A/B 测试（Klaviyo 内置）
这是最容易操作、ROI 最高的测试——Klaviyo 原生支持：
Klaviyo 邮件 A/B 测试设置：
✉️ 版本 A（40% 收件人）：
"你的购物车还在等你 🛒"
✉️ 版本 B（40% 收件人）：
"限时提醒：你选中的商品库存紧张"
✉️ 赢家自动发送（20% 收件人，4小时后判定）：
系统自动选择打开率更高的版本，发给剩余 20%
指标：
主要指标：打开率（Open Rate）
次要指标：点击率（Click Rate）、转化率
不要测：
❌ 两个版本差异太大（应该只改一个变量）
❌ 只发几百封就判定（样本太少）
常见 A/B 测试陷阱
❌ 陷阱 1：测试时间太短
"测了 3 天，A 好，立刻推全量！"
问题：3 天可能恰好是周末，流量构成不具代表性
✅ 正确：至少跑满 7-14 天（覆盖完整的一周周期）
❌ 陷阱 2：同时测多个变量
同时改了主图 + 价格 + 按钮颜色 → 不知道是哪个起的作用
✅ 正确：一次只改一个变量（单变量原则）
❌ 陷阱 3：样本量不足就停止
A 组 50 单，B 组 38 单，"A 赢了！"
问题：差异可能只是随机波动
✅ 正确：达到预定样本量或 95% 置信度再判定
❌ 陷阱 4：只看转化率不看利润
B 版本转化率 +15%，但客单价低了 20% → 整体营收反而下降
✅ 正确：同时看转化率和营收/利润
❌ 陷阱 5：赢了就永久停止测试
市场在变，去年的赢家今年不一定最优
✅ 正确：每季度重测核心页面的关键元素
增长实验记录模板
用 Notion 或 Google Sheets 建立实验日志：
| 实验编号 | 假设 | 测试变量 | 样本量 | 开始日期 | 结束日期 | 结果 | 置信度 | 结论 |
|---|---|---|---|---|---|---|---|---|
| EXP-001 | 改主图提升转化 | 产品主图 | 10,000 | 3/1 | 3/14 | B +18% | 97% | 推全量 |
| EXP-002 | 划线价促进购买 | 价格显示 | 8,000 | 3/15 | 3/28 | 无显著差异 | 60% | 放弃 |
本章执行清单
- [ ] 列出 3 个你认为影响转化率最大的元素
- [ ] 用样本量计算器估算每个测试需要多久
- [ ] 选一个 Klaviyo 邮件做主题行 A/B 测试（最快可在本周完成）
- [ ] 建立实验记录表（Excel/Notion 均可）
- [ ] 每月至少跑 1 个测试，持续积累"什么有效"的知识库
下一节：用户复购与 LTV 提升策略——获客难，留客更值钱。一个老客户的价值往往是新客户的 5 倍——如何系统性提升复购率和客户终身价值？