如果您發現版本之間存在差異，則需要確定這是意外還是所做更改的結果

[mehadihasan1234567]

6. 分析結果。你已經來到了最有趣的部分。 此階段涉及獲取資料並計算兩個版本（A 和 B）的所選成功指標的值以及它們值之間的差異。如果版本之間沒有顯著差異，請嘗試按平台、來源類型、位置等進行多項選擇（如果適用於產品）。選項B可能在細分市場、平台等方面表現較差。 研究統計數據。這裡解釋了該技術背後的理論，但主要想法是確定版本 A 和 B 之間的差異（如果有）。

為此，您需要將測試結果（以及產生的 p 值）與顯著性水準進行比較。 當 p 值小於顯著水準時，如果有證據表明存在替代方案，則可以拒絕原假設。 A/B 測試後的 3 個操作 當 p 值大於或滿足顯著水準時，就不能拒絕 A 和 B 不不同的原假設。 A/B 測試的結果可能顯示以下內容： 原版和修改版沒有發現明顯差異，還是A版勝出。新版本可能會因競爭產品的訊息 美國消費者電子郵件列表 傳遞和品牌不佳或負面的客戶體驗而失敗。您必須排除所有導致測試無效的原因。在這裡，您可以更深入地挖掘資料或分析使用者行為，以了解新版本未按預期運行的原因。反過來，這些資訊將對未來的測試有用。 B 版獲勝。根據A/B測試，證實了B版本表現較好的假設。偉大的！發布結果後，您可以對該資源的所有用戶進行實驗並獲得新的指標。 A/B 測試後的 3 個操作 強制資料記錄 你並不總是想這樣做，但你必須這樣做。如果您很懶，沒有將結果輸入總表，您可能會忘記 A/B 測試的有效性，因為您不會知道所有資料。


您可以透過拆分測試的特殊服務使您的任務變得更輕鬆。它們允許您自動記錄結果，但仍然需要您自己記錄一些指標以比較數據。 測試服務將為您提供有關專案訪客、點擊和轉換的數據，但這些數據必須從其他來源下載。 統計顯著性的估計 重要的是要確保測試結果不是隨機的，而是指示性的。這就是統計顯著性所表明的：透過進行 A/A 測試（將頁面與其本身進行比較）來獲得相似結果的可能性有多大。考慮到這樣的機率，很難依賴 A/B 測試的結果。 確定統計顯著性後，您需要執行獲勝選項或保留所有內容不變。