您将能够使用我们创建的两个“变体”来跟踪单个页面的性能。由于它们是同一个页面，因此您应该会从两者获得非常相似的结果。
但只要接近，您就知道您有一个准确的测试工具。
市面上有大量的A/B 测试工具可供选择。使用一种既有用又准确的工具。这样可以节省时间和金钱。而且，您将能够做出明智的决策，而只有测试才能提供这种确定性。
仅测试一个变量
当科学家进行测试时，他们会 瑞典电报筛选 在数据中寻找所谓的“因果关系”。他们想看看一个因素是否对另一个因素有直接影响。例如，吸烟与肺癌有因果关系。
为了控制这些关系的流动，他们每次只改变一个变量，同时保持“控制”变量不变。如果实验结果发生变化，他们知道确切的原因。
这可能非常耗时，这就是为什么我看到很多营销人员会同时测试多个变量以加快流程。更糟糕的是，许多测试平台甚至将其作为一项功能进行推广。
我不太确定这是不是个好主意。
这种做法被称为多变 从未失败过的销售触发器 量测试，或者说测试登录页面、电子邮件或其他任何东西的多个元素可以帮助您提高转化率。
我对此最大的问题是，它鼓励企业同时测试太多元素，从而使测试的任何实际结果都无效。
以下是电子邮件营销机构 Uplers 提供的一个例子，展示了多元测试的工作原理。
假设这是原始电子邮件
您对您的电子邮件、其性能以及受 短信列表 众的倾向有非常清晰的了解。
然后，您测试电子邮件 B，更改发送电子邮件的时间、电子邮件本身的格式和主题行。
这是三个新元素。
不出所料，结果不同。在这种情况下，您的打开率和点击率恰好会下降。真倒霉。
但是现在你该怎么做呢？在这种情况下，他们选择了原始电子邮件。
这真是一场胜利。他们得到了全面更好的反响。
我的问题是，最终的电子邮件与原始电子邮件完全相同，但现在您的打开率和点击率更高。
你从电子邮件 B 中了解到了什么？
因为你不知道是什么导致了潜在的变化。
众所周知，电子邮件 B 中的主题行是最有效的选择。只是凌晨 2 点发送电子邮件非常糟糕，以至于抵消了主题行的任何好处。
每次我检查包含多个变量同时变化的测试数据时，都会看到这个问题。我得到的数据最终毫无用处。