Google、Airbnb、亚马逊、滴滴...都在用的转化率优化秘籍

假如我们有个非常强大的计算机，把方程的变量，限制条件和目标都输进去，算出来最好的方法，配色，文案，算法。这个是不存在的。因为这个优化方程式解空间是无限的，在数学中，要在一个无限解级里面求最优的点是不可能的。

怎么办呢?

我们就不能只是考虑有一个很强大的大脑，然后去算一算，什么样的UI，产品，运营能够带来最优转化率，而是不断在产品和运营层面做改进，然后不断优化转化率，直到无限逼近最优解。

通过MVP的方式来优化产品

最初的产品和运营，服务可能是从一个最简单的方式提供给用户的。当用户和消费者给我们反馈的时候，再不断通过技术手段，创意，分析，想法以及A/B测试不断改进。

就像上图所展示的一样，不是说一开始造个轮子，然后造一个底盘，造个车模，一辆车就出来了，这不是MVP迭代。

在车出现之前，完全没有可用的产品，这个就是传统的产品。传统产业MVP这个概念很模糊或者他们没有这个福利可以享受这种迭代方法。但如果你做互联网代理或者线上的产品，新一代产品还在使用这种方式，你很可能遭到市场的淘汰。

第二种方式也不对，先造一个滑板车，再造一个自行车，然后给用户提供摩托车，最后给一个汽车。这个当然是不断给客户迭代的方法，但成本太高，没有积累，滑板车无论如何也没有办法通过轻量的迭代和改进变成一个自行车，自行车也没有办法轻松变成摩托车和汽车。

所以正确的MVP迭代是先给他一个破破烂烂的小破卡车，然后再装修，改进一下，根据用户的需求点扩充，最后把它豪华装修一下，这才是MVP。先给用户一个可用的小破车，然后不断迭代给它加上货舱，加上乘客舱，再装修，这是新一代的优化迭代的方法。

优化的方向有哪些?

比如说Google会自己去寻找一些可能存在优化的地方，包括产品UI，设计UI一变，也许就会影响用户对产品的理解，提高转化率。文案内容，现在申请变成立即申请，别看这一个词，它有可能带来很不一样的转化率。举个例子，要是把加入购物车变成点击领取大奖，会发现点击率会提高。通过改进页面布局提高用户的操作效率也是经典优化的方法。

产品功能方面，想上一些新功能，看看能不能让用户体验更好，留存更多，转化更多。还会包括一些后端技术方面，架构能不能改进，提升用户效率，推荐算法怎么改进，都可以去调整，优化。

用刚才提到的对比实验方法去看，改了之后和没改之前有没有什么提升，有提升就把这个发布出去。

注册率、留存率、分享率、用户活跃、转化、用户行为，这些都是优化的方向。

A/B测试就是只改变一个条件的单盲实验。为什么要做A/B测试呢?

A/B测试究竟有什么好处?

这是Airbnb的数据，可以看到数据一直在增长。其中可以看到，中间有一个红色的时间段，大概维持了小一个月的时间，这个时间段发生了什么?Airbnb上线了一个新的产品功能，到结束的时候又下线了。

在这个红色的时间段，数据一直都是在增长。有个很大的问题就是外界环境对数据的影响太大了，以至于在这张图里我们完全无法知道，这个上线了一个月的产品功能对用户产有没有产生增长的影响，以及究竟是怎样的增长?

所以如果没有A/B测试，没有科学的验证，可能在产品，运营和市场策略上，会做一些不科学的决策。也许有个决策带来了-20%的不好影响，但是我们不知道，因为我们没有实验验证它。或者是后台技术人员毫不容易研发出来一个推荐算法，提升了5%的订单量。但是我们并不知道是因为它们带来了5%的订单量。这样的话，我们就失去了这种宝贵的经验。

从这张图可以看出来，只有A/B测试才能告诉我们，产品功能上线前后究竟会有怎样的影响?假如每一次产品迭代，策略上线的时候，都经过A/B测试的优化，那么增长曲线可能就跟这条蓝线一样。也许不是我们最喜欢的指数增长或线性增长，但它始终在增长。

如果没有A/B测试，可能会像红线一样不断地波动，在短期之内可能红线蓝线差不多，但是时间一长，红条会被蓝线远远甩下，这就是A/B测试驱动持续增长，也是Google的最佳实践。

（编辑：宁德站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!