但我想知道:多少個變體才太多算?機器學習是否會認識到其中一些沒有什麼特別的,並停止向它們發送流量?以及需要多長時間才能得到結果?考慮到這些問題,一個月之後我回顧了我的第一組測試…通常會更改背景顏色,顏色A/B測試幾乎是浪費時間。您需要大量數據才能獲得準確的結果,而大多數行銷人員最終實際上並沒有獲得任何資訊有用的東西。
因為顏色本身沒有任何意義,它總是取 義大利 電話號碼 決於頁面的上下文。)儘管如此,我們知道存在一些合法的顏色理論,並且某些人群對顏色的反應比其他顏色更好。我認為切換這個登陸頁面的背景看看會發生什麼可能會很有趣。 讓我驚訝的是,這些變體的轉化率有顯著差異:粉紅色– 背景 ChatGPT..8.%綠色背景– .ChatGPT..3%白色背景– .ChatGPT.7.%黑色背景– 3ChatGPT.7ChatGPT %人們可能會從這些轉換率開始推測,。
但別著急,這又是一次A/B測試。這就是為什麼mplists高級數據科學開發人員Jordan Dawe表示,從轉換率得出任何結論時應該穩定…Jordan Dawe , mplists智慧流量不是隨機發送訪客-它試圖將最佳流量傳遞給最佳變體。因此,在這種情況下,並不意味著著黑色背景的轉換效果總是採用粉紅色背景。
|