官网改版要不要做A/B测试？适用场景与做法

改版讨论会上经常出现这样的僵局：市场总监说按钮用红色，销售总监说用蓝色，老板说看看同行怎么做的。争论二十分钟没有结论，最后按职位高低定。

于是有人提议：做个 A/B 测试吧。这个提议听着科学，但对大多数企业官网来说，答案是——先算一笔账再决定。A/B 测试不是**工具，它有明确的适用前提，用错了不但没结论，还会浪费两个月时间得到一个假结果。

先算：你的流量够不够

A/B 测试的本质是统计检验。要让结果可信，需要足够的样本量。样本量由三个数决定：当前的转化率、你希望检测出的提升幅度、以及你要求的置信水平。

举个直观的例子。假设官网每月访客 3000 人，表单转化率 1%，也就是每月 30 条询盘。你想测一个新的表单版本，希望它能提升到 1.5%。按常规统计口径，要检测出 0.5 个百分点的差异，每组大约需要上万次访问——按每月 3000 人算，要跑半年以上。

半年后，季节变了、产品变了、投放也变了，测试结果早就失去参考价值。这就是大多数企业官网做不了严格 A/B 测试的真实原因：不是工具问题，是流量问题。

这张表的意思是：流量越小，你只能测越大的改动。想测"按钮颜色"这种微调，需要非常可观的流量；流量不够时，只能测"整个首屏重做"这种量级的变化。

值得测的三类改动

把有限的测试资源花在差异足够大的地方。企业官网上，真正值得测的通常就三类。

**类：首屏的核心表达

首屏决定访客是走是留。可测的差异包括：主标题是讲产品还是讲客户收益、首屏放一张大图还是放三个能力卡片、是否直接放联系方式。

这类改动的影响幅度通常在 20% 以上，流量一般的网站也有机会测出来。而且它不需要开发复杂功能，做两个静态版本就行。

第二类：表单的长度与位置

表单是转化漏斗的最后一环，也是最容易掉链子的地方。可测的差异：字段从 6 个减到 3 个、联系方式放在首屏还是页面底部、提交按钮文案是"提交"还是"获取方案"。

表单字段的改动往往效果显著——有些网站把"公司名称""职位"这些非必填项去掉之后，提交量能涨三成。但要注意，线索数量涨了，质量可能下降。所以判断标准不能只看提交数，要看有效线索数。

第三类：CTA 按钮的设计

按钮颜色、大小、文案、位置。这一类是 A/B 测试最经典的用例，也是被误用最多的——因为多数企业官网的流量根本测不出颜色差异。

如果一定要测按钮，建议测文案而不是颜色。"联系我们"和"获取报价方案"的差异，通常比红色和蓝色的差异大得多。

不值得测的改动

同样明确一下边界。以下几类改动做 A/B 测试基本是浪费时间：

• 纯视觉微调：字号差 2px、圆角差 2px、阴影深浅——影响微乎其微，测不出来
• 整站 redesign：变量太多，测完也不知道是哪个因素起作用，定性判断反而更准
• 导航结构调整：会影响老用户的习惯，短期数据通常变差，但长期可能更好，A/B 测的是短期
• 内容长度：文章写 800 字还是 2000 字，对不同关键词的效果不一样，无法用一个测试结论概括

整站 redesign 这一条尤其要注意。有些团队想"用 A/B 测试来决定新版好不好"，这是误用。整站改版的评估应该看长期指标（自然流量、品牌搜索量、销售反馈），不是看两周的按钮点击率。

怎么做才算规范

如果流量够、改动也对路，接下来是执行。几个容易出错的地方：

• 一次只测一个变量。同时改标题和按钮，测出来也不知道是谁的功劳
• 两组流量要真正随机分配，而且同一个访客多次访问要看到同一版本，否则体验割裂
• 测试周期至少覆盖两个完整的业务周期。B2B 网站周末流量低、工作日上午高，只跑三天会得到偏斜的结果
• 不要中途看数据停测试。数据每天都在波动，看到"**"就停，是典型的统计误用，会得到大量假阳性
• 提前定好结束条件：达到多少样本量、或跑满多少天，到了就停，不看中途结果

第四条是最多人犯的错。跑两天看 A 版本** 30%，兴奋地宣布胜利，结果一周后持平甚至反超。样本量不足时的波动，比真实差异大得多。

流量不够时的替代方案

大多数企业官网的实际情况是流量不够。这时候有三个更务实的办法。

一是前后对比。改版前跑一个月基线数据，改版后跑一个月，对比转化率。这个方法不严谨——季节、投放、外部环境都在变——但比拍脑袋强。用的时候要把同期投放数据一起看，排除外部因素。

二是用户测试。找五到八个真实客户或潜在客户，让他们用你的网站完成一个具体任务（比如"找到某款产品的参数"），观察他们卡在哪里。五个用户能发现大部分可用性问题，这个方法的性价比远高于 A/B 测试。

三是热力图与录屏。看用户在页面上点哪里、滚到哪里停住、在哪里离开。它不能告诉你哪个版本更好，但能告诉你"用户根本没看到那个按钮"这类问题。这类问题的答案不需要统计检验。指标口径怎么定才不算白测，可以参考《》，先把口径统一，再看数据。

结果怎么判断才可信

跑完之后，常见的一个陷阱是：总转化率没变，但某个细分渠道涨了 40%。于是宣布"对某某渠道有效"。这是多重比较问题——分的组越多，越容易找到一个"显著"的组，但那是随机波动。

正确的做法是在测试开始前就确定要观测的主指标（比如表单提交率）和两三个辅助指标，测试结束后只看这些。细分分析可以做，但只能用来生成下一个假设，不能直接作为结论。

还有一个判断维度容易被忽略：统计显著不等于业务显著。转化率从 1.0% 涨到 1.1%，样本量足够大的话统计上是显著的，但对业务来说几乎无感。定目标时要先明确"提升多少才值得上线这个改动"。

把测试变成习惯，而不是一次性项目

少数流量大的企业官网，可以把 A/B 测试常态化——每个月测一个假设，积累半年之后，你会发现团队对"什么有效"的直觉明显变准了。这个积累比单次测试的结论值钱得多。

对绝大多数企业来说，更现实的路径是：先用热力图和录屏找到明显的卡点，用前后对比验证改动效果，等流量做到一定规模再引入严格的 A/B 测试。顺序反了，工具再好也没用。

不管用哪种方法，起点都是把目标转化定义清楚。什么叫一条有效线索、什么叫有效询盘，这个口径不统一，测什么都是白测。具体的口径设计可以参考《》里的思路。

用数据说话，但别迷信数据

A/B 测试解决的是"两个方案哪个更好"，解决不了"这两个方案是不是都不怎么样"。后者要靠用户访谈、靠看真实的客户反馈、靠销售人员的一线感受。

所以**的组合是：用数据验证具体的执行细节，用人的判断决定方向。方向错了，测一百个按钮也救不回来。

如果你正在准备改版，想评估某个改动值不值得测，可以把页面和方案发过来，我们帮着判断一下样本量够不够、周期要多久。多数情况下我们会直接说"这个不用测，改了就行"——能省的时间才是真的省。

咨询电话：13928418795（工作日 9:00-18:00）｜微信扫码添加，备注"改版测试"。