Netflix就做了一个很有趣的A/B测试来了解影响转化率的因素。Netflix的主页上展示了大量的影视作品，然而不同用户所看到的是不一样的。作为其A/B测试的一部分，这是该公司对用户提供的个性化推荐。然而，不仅如此，Netflix更对看到同一个影视产品推荐的用户进行了分批测试。他们让视觉设计师重新设计了不同版本的影视剧海报，并将这一变量用于A/B测试。得到的结果是，即便是同一个作品，不同的海报仍会造成不同的转化率。这就印证了造成用户离开或点击的理由是多样化的。因此不要局限于那些明显的理由，而要深掘用户可能关注的点。有时候用户说的不一定是他们所做的，所以往往观察比问卷调查能提供更为真实的用户使用倾向。

　　（图片来自Netflix博客）

　　（图片来自Netflix博客；右上的两张标注的图片显著地提高了转化率）

　　2）发现界面的缺陷

　　如果你忽视了重大的可用性问题，比如让人难以理解的交互流程，或容易造成误解的微交互，那么你可能不会从不断的A/B测试中获得转化率的提升，因为你的设计并没有应对问题的根源。举个例子：如果你提供的填空题中有几项要求的信息是用户不方便或不愿意提供的，那么仅仅靠更改提交按键的颜色来做A/B测试是不会有效提升转化率的，反而是浪费力气。理解低转化率的真正原因才是执行智慧、成功的测试的关键。

　　如何发掘界面的缺陷：可用性测试（远程主持或免主持，或当面）可以快速进行并可在五个左右用户的帮助下就揭露网站近85%的重大缺陷。

　　3）衡量网站的可寻性

　　测试导航标签和菜单设计能披露可寻性的问题。但是，糟糕的可寻性可以并且应该在实施A/B测试之前就确认，这直接影响了信息架构和站内导航。

　　如何衡量可寻性：树图测试可以在不影响任何界面设计的情况下测量一个已有的或设定的信息架构。树图测试会告诉你标签、链接分组、页面层级及命名系统是否直观。如果你在纠结如何命名网站中的区块、页面、链接以及标签，树形测试能帮你找出最有问题的命名，并帮你设计出能改善可寻性的新标签。树图测试可以用Optimal Workshop开发的Treejack这样的工具进行，它生成可用于测试信息架构的任务。

　　3）测试前先”铺好路”

　　最简单的方法，开奖，就是开始在A/B测试前，先把那些可能会影响用户操作的绊脚石解决掉。一般几个小时的测试即能揭露几乎所有你网站上特别糟糕的设计。更为复杂和完善的用户研究当然益处更多，但不要忽视了最基本的审查清理工作。对A/B测试而言，你当然希望所要测试的目标元素不会受到其它可用性问题的干扰，而是能被用户更好的体验到。所以开始测试前先做一次“路障清理”吧。

　　结语

　　结合不同方法最大化转化率。

　　A/B测试是一个绝妙的工具，却时常不幸被误用。如果用A/B测试替代用户研究，那么测试中的设计选项本质上只是主观猜测。你可以通过结合用户研究来更精准的找到问题起因、提出更符合现实的假设，从而为更好的测试结果提供更大的可能。

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

　　原文地址：https://www.nngroup.com/articles/ab-testing-and-ux-research/