陳擎文

AB-Test範例1

評估電商廣告AB的成效

目標：評估電商廣告AB的成效

• 比較2個頁面設計方案
• 【是否要真人模特兒展示效果好】
• 哪一個比較好

說明：電商廣告投放AB

• 1. 產品 : 多種卡其服飾
• 2. 價格 : 800~900元
• 3. 通路 : 服飾電商網頁
• 4. 推廣 : Google廣告宣傳

【範例】

A/B測試實施步驟

情境

• 情境：
• 某電商網站希望提升多種卡其服飾「購買率」，
• 想探討，哪一種廣告圖片文案，效果最好
• 平均銷售金額最高

​

步驟1. 明確測試目標

• 步驟1. 明確測試目標
• 該服飾品牌計劃針對 【16-28 歲的年輕男女】群體推廣【多個卡其服飾新品】
• 希望探討哪一種廣告的效果較好：
• 以【人物為主角】的廣告圖
• 還是【以服裝為焦點】的廣告圖
• 提高【多種卡其服飾】的平均銷售金額
• 設定關鍵指標：平均銷售金額

​

2. 選擇變數�與測試AB方案

• 測試變數：
• 測試2個變數：
• 以【人物為主角】的廣告圖
• 還是【以服裝為焦點】的廣告圖
• 是否影響平均銷售金額

​

• A/B 測試方案：
• A 版本（對照組）： 【以服裝為焦點】的廣告（原始設計）
• B 版本（變異組）： 【人物為主角】的廣告（修改設計）

​

3.提出【假設】

• 假設（Hypothesis）：
• 如果廣告圖由
• A：以【以服裝為焦點】的廣告圖
• 改成
• B：【人物為主角】的廣告圖
• 用戶更容易購買商品
• 假設：平均銷售金額，B會大於A

3.提出【假設】

• 各種的卡其服飾
• 都使用2個設計方案：AB來測試
• 假設：平均銷售金額，B會大於A

3.設定【統計假設】

• 假設：平均銷售金額，B會大於A（B>A)
• 轉化成：統計假設：
• 1.H0假設(虛無假設)➜否定假設
• 平均銷售金額，B <= A
• 2.H1假設(對立假設)➜肯定假設
• 平均銷售金額，B > A

4. 確定樣本大小與分組

• 樣本大小計算：
• 測試400 名訪客
• 隨機分組：
• 50% 訪客 看到 A 版。
• 50% 訪客 看到 B 版。
• 統計顯著性標準：
• 設定 信心水準 95%（p 值 < 0.05）。

​

5. 選擇測試工具

• 數據追蹤方式：
• 使用 Google Analytics（GA4） 記錄購買金額變化。

​

6. 執行測試

• 測試時間：
• 設定測試時間 4個月(120天)，確保數據穩定。
• 確保測試過程不受干擾：
• 不進行其他網站改版或促銷活動，避免影響測試數據。
• 期間監測：
• 每日檢查數據變化，確保沒有技術錯誤（如按鈕無法點擊、追蹤失敗）。

​

得到2組數據，各120筆

7. 分析測試結果

• 測試結束後，計算關鍵指標：
• A 版本：平均購買金額467元
• B 版本：平均購買金額514元

​

• 上面的這個小樣本的B>A，
• 能夠推論，未來（或母體）也是如此嗎？

​

7. 分析測試結果

• 上面的這個小樣本的B>A，
• 能夠推論，未來（或母體）也是如此嗎？
• 方法：要先經過檢定比較，才能確定
• 方法：比較【p值 vs 信心水準】
• 統計顯著性檢測（p 值 < 0.05）：
• 所以，符合對立假設(肯定假設)：B 版本的效果，高於 A 版本。

8.結論

• 結論：
• B版設計(真人模特兒)比B版本，更能吸引用戶購買，
• 且數據達到統計顯著性（p < 0.05）

​

• The End

​