如何通过注意力跟踪来提高 A/B 测试的有效性

这是小编个人觉得比较有意思的一篇文章，无论是创业公司还是10角兽，都应该是数据驱动运营的，也的的确确确需要数据来衡量当前阶段的产出，发现可改进的点。“可衡量才可促进”，但有时候我们却太过于关注数据，而忽略了用户心理。 就算在产品正式上线前，在 A/B 测试上做足了功夫，测试了很多个版本，最终选择了转化率最高的一个版本。但你能保证你做的是有效的 A/B 测试吗？或许用户只是没得选，不得已才在所谓的“较高转化”的版本上花时间呢。 直入正题，这篇文章可能在你处理下面两种情况的时候对你有用： 

• 你可能正在制作或刚刚上线你的网站，但访问量太少使得 A/B 测试（分离测试）还不适用。同时你迫切想要通过测试来进行验证，让数据来支持那些很酷的想法和你的设计决策。

• 尽管你的网站已经有了足够多的流量，并且也做了 A/B 测试，但转化率依然不达标。做 A/B测试的时候你想有更大胆的假设，但没有时间来做定性研究（你用了图表和热力图）。

 我们优化网站的时候，转化率不是要关注的唯一关键绩效指标（KPI）。或许还需要更深入的了解用户心理，衡量整个 AIDA （Attention , Interest ,Desire,Act）周期。这时候如果只是做了 A/B 测试，那么你的关注点可能就局限在用户的行为部分，这部分由转化率来衡量。对 Amazon.com 这样体量的网站来说，你可以测试按钮颜色的改变，即便是为了转化率上0.01%的提高，这也是有意义的，因为这个微小的改变每天都会被数百万用户看到。 否则，你需要测试更大的变化来得到有意义的结果，但之后你可能也说不清楚为什么就产生了这样的结果。究竟是什么起了作用，是很引人注目的颜色，能“忽悠人”的文案，还是很有诱惑力的价值主张？你怎么知道哪些元素需要改进，哪些元素可以保留，因为它们的效果不错。用下面两个指标用来衡量：

• 关注率（Attention Rate）：只关注特定元素的用户人数。

• 参与率（Engagement Rate）：关注特定元素的用户人数和他们关注特定元素的时间。

 确切地说，这两个注意力经济指标就是用来了解用户对产品认知的。关于这两个指标的获取，如果你钱多，就能用注意力跟踪研究，但还是得花不少时间。预算紧张，可以尝试预测注意力跟踪，经济实惠的一种方案，但是吧，仅仅是尝试啊，因为它的准确性真不敢恭维。看看下面这张图，这真的是有效的注意力预测？（难道不是应该关注胸，好吧，机器不好色）

倒是有一种叫 “Attenses”的工具，既靠谱又经济，它提供更可信的见解（以交互研究的形式捕获真正的人类行为。嗯，一种黑科技），自由职业者和小机构也能负担得起。看看我们为了优化关注度和提高转化用 Attenses 做的实例研究，你应该问自己下面几个问题： 我对转换的元素有足够多的关注吗？人们不阅读网站，人们只是浏览网站寻找有价值的信息。你的网站传递有价值信息的速度越快，用户就越有可能会留下来阅读更多的你想要让他们看到的东西（订阅/注册/购买）。你的页面必须能够立即回答下面3个基本的问题：

1.你提供什么？

2.什么能使你所提供的更有趣？

3.访客下一步应该会做什么？

看一看上面的例子。你希望这三个区域有较高的参与率，所以很多用户会注意你在这些区域的内容，并花时间阅读它。我相信视觉网站优化在这里做了一个相当不错的工作。你可以从一个被调查者的观点看这项研究。 我的网站上有没有任何不必要的抢夺注意力的元素？整理你的元素布局，使得它没有任何营销信息，让用户把注意力放到真正有说服力的信息上。请看这个例子，Mint.com的简约设计。这里的每一个元素都有它的目的，并且告诉我们关于这个产品的一些很优秀的特质。 

人们是否明白我第一眼提供的？一旦你得到用户的注意，你必须确保你正在做的大部分工作是让用户真实了解你的产品是什么。这就是为什么你应该结合定量和定性数据。 

吆喝科技：用数据优化产品

国内唯一同时支持前端（ Web / H5、iOS、Android ）及后端（Node.js、PHP、Java、Python等） A/B 测试云服务的专业 SaaS 平台。产品、市场以及运营人员可以通过数据验证最佳方案并发布，提高效率的同时降低决策风险。

本文编译自：How To Boost Your A/B Testing Effectiveness With Attention Tracking ？

原文链接：http://t.cn/RcyJbiP