使用A/B测试比较同一设计不同版本之间的差异，找到与既定对象相较在统计学方面更优秀的作品。

方法说明与应用

A/B测试是一种最优化技术，可以让你更清楚地看出同一设计不同版本之间的差异，从而找到与业务目标更相符的对象。”随机指派不同的人进行以下测试“A”测试和“B”测试，达到统计学相关样品的尺寸。测试后你可以决定哪一份设计更接近你的目标。

举个例子，当越来越多的人注册体验免费在线服务时，有很多种人们不注册的原因，如注册表格是否过长？人们担心他们的隐私以及你会怎么处理他们的隐私数据？在他们注册之前想要了解价格信息？通过对界面进行细微的修改，你就可以找到这些问题的答案。然后进行A/B测试，找到提高人们的注册率的改进版本。考虑到以上问题，你便可以设计并且通过几次测试进行比较：

• 页面缩微的不同处理一指导并使用户放心的帮助文档一考虑到这些服务条目（色调、长度、字体大小）；

• 表格元素（多少、布局、哪些需要）；

• 菜单按钮的不同处理和调用（页面布置、尺寸、颜色、标签）。尽管可以通过测量出“哪一种”设计产生的效果更好，但是A/B测试不会帮助给出“为什么”。A/B测试不是通过评估客户的心愿、态度以及需求的简单定性替换，同样也不能揭示比较重大的问题，例如客户是否信任你们的网站或者网址内容是否可信。“为此，A/B测试需要不断补充其他定性方法，才能帮助你更深刻地了解客户的动机以及真正的需求。

实例与图解说明

A/B测试可以获取不同的假设和产品发展方向。我们不认为过去的测试在今后同样可行，不断进行测试至关重要。eBay在2010年对图像大小进行的一系列测试就是一个很好的例子。

通过多次测试，eBay的研究人员普遍认为如果明显位置列出的商品数量越多，滚动或者分页的次数越少，就越能吸引买家。根据这种假设，在此所列出的A/B图像大小测验就应该证明小的图像可以增加每个页面的商品数量，并因此更能吸引顾客。

但令研究人员吃惊的是，与尺寸较大的图像（测试A）相比，尺寸较小的图像（测试B）并未达到预期效果。通过深入调查和后续试验，研究人员了解到事实与他们的假设刚好相反--即使图像尺寸较大就意味着每一页上列出的商品数量会减少，但这种方式更能吸引买家。得出试验结果之后，eBay迅速做出调整，在整个网站上都换成了尺寸较大的图像。