AB測試（A/B test）是許多網站、尤其是具備電子商務功能的網站拿來快速測試改版、微調效果並協助設計與商業決策的方法之一。簡單來說就是將欲測試的變因或假說分別做成A版與B版（甚至C、D等版），利用一些工具，將造訪網站的人流隨機均分至兩個版本，最後選擇目標達成表現較好的版本。
AB測試可簡單分為以下幾個步驟：
第1步：訂定測試目標
第2步：建立目標達成方式的假設，以此為測試專案
第3步：進行測試、收集資料
第4步：得出結果後將表現較好的版本上線，可加入新假設持續測試
第1步：訂定測試目標
首先需清楚定義測試欲達成的目標，如提升轉換率、降低脫離率等。
通常測試目標來自於網站目標，而網站目標又與事業目標有所連結；訂定目標的目的是為了能使測試的規畫更聚焦，同時也有可量化的數值來檢視是否達成效果。
AB測試的目標通常分為兩類：
1) 提升X，如：
- 提升轉換率(CV)
- 提升頁面流覽率(PV)
- 提升頁面流覽時間
- 提升分享人數
- 提升影片點擊率…
2) 減少Y，如：
- 減少脫離率
- 減少跳出率…
【注意】
- 目標儘量設的簡潔明瞭
- 為了有效計測目標是否達成，在開始AB測試前記得先於網站數據統計工具（如： Google Analytic）設定轉化目標的計算
第2步：建立目標達成方式的假設，以此為測試專案
基於對目標使用者的理解，提出可能達成目標的調整方案假設，將各方案依優先度排列，依序做為測試變數。
調整方案的假設大多是頁面內容的改變，以下為AB測試常見的測試變數：
- 行動按鈕(Call-To-Actions) – 位置、用字、尺寸、顏色…
- 文案– 標題、價值傳達、商品描述、 內容多寡…
- 表單– 長度、類型、用字…
- 版面配置 – 頁面長短、板塊位置…
- 促銷方案 – 不同商品組成、不同價位…
- 圖片– 位置、內容、尺寸…
- 比較 – 圖片視頻、圖片VS.文字、圖片A VS. 圖片B 、文案A VS. 文案B 、行動按鈕A VS. 行動按鈕B…
【注意】
每次的測試必須是單變數；有時不同設計稿可能會很大的差異，這樣的情況一般不太適合做AB測試，因為變數太多了，變數之間會有較多的干擾，難通過 AB測試的方法來找出各個變數對結果的影響程度及衡量各方案的成效。如果一個頁面測試多個變量，則需使用Multivariate Testing，那是概念上不太相同的測試方法，同時需要夠大的流量方能較有效的進行。
第3步：進行測試、收集資料
完成不同版本的製作後，利用線上工具將A、B版本的頁面掛上網，並進行資料的收集；不少線上工具可協助AB測試的進行，以下為一些常見工具：
【注意】
- 若同時有進行線上活動或搜索詞廣告操作，需注意避免讓活動或搜索詞廣告流量都導入特定版本；儘量將不同來源的訪問者平均分配到各個版本上
- 不同的用戶在一次流覽過程中，看到的應該一直是同一個方案；比如他一開始看到的是 A 方案，則在此次會話中應該一直向他展示 A 方案，而不能一會兒讓他看 A 方案，一會兒讓他看 B 方案；不然可能影響結果
第4步：得出結果後將表現較好的版本上線，可加入新假設持續測試
依據當初設定的測試目標衡量結果，選擇表現較好的版本；若仍有其他欲測量的變數，或在新版上線後發現其他改善假設，則繼續進行測試。
【注意】
- 為避免偏誤，一般測試上線後等待約2-3周，或達到平時某時間內可達到的UV或PV量後，可結束測試；網站流量越小，需要越多時間
- 若測試結果兩版的表現並無太大差異，則通常代表該變動方案並不造成顯著影響；此時需提出另外的假設來進行測試
AB測試是很多國外電商拿來優化網站的工具，據說Google有1%的流量永遠都拿來測試新的調整、想法；而很多大型旅遊網站，更是持續在進行線上的ABCD測試，每個使用者看到的頁面都不完全一樣。AB測試的結果，即便僅有1%的差別，考量到整體銷售量1%的提升，也會是相當可觀的。
之後將陸續介紹使AB測試更加有效的方法、技巧。
