A/B test，也叫做拆分测试，是在控制其他变量不变的情况下，对同一个变量进行拆分对比，观察变量拆分之后的情况，并采取合适的动作。
在广告投放当中，非常重要的一个操作方法是 A/B test，广告在展示过程中通过广告点击进来的人群是广告投放人员潜在的转化人群，我们往往希望可以得到更高的转化率，而通往更高转化率的道路，大部分是基于A/B test，通过A/B test来收集用户数据，了解广告投放中的不足之处，并以此为依据采取更为科学的行动。
采取A/B test的原因和动机
· 解决用户的痛点；用户在访问落地页时候是带着某种期待而来的，然而在大流量的情况下，用户流失的原因是存在某种共性和规律的，比如表单填写过于复杂，页面内容繁多，难以有效寻找需要的内容，这些都可能会是用户流失的原因，A/B test所做的工作就是在不断测试中去判定某种原因和寻求改进。
· 在现有基础上获得更好的效果；公司的生存基础是以盈利为目的的，在现有的利润基础上，公司希望可以获得更好的利润率，而A/B test可以让公司在现有的投入情况下，进一步优化流量的利用率，即使是很小的改变对公司来说可能都是非常的利润改进空间，这使得公司有足够的动机去采取A/B test
· 小规模的修改不会显著的影响现有情况；A/B test往往不是一开始就对整个版本做出全部更换，这不符合A/B test的原则，通常都是依靠已有经验，从可能影响转化的元素入手，等到做出改进之后，再慢慢扩大，直到整个版本都得到更新，新的版本的上线，意味着转化率的进一步提高
A/B test的步骤
研究现有情况；我们必须对现有的情况有一个很好的把握和了解，才能在这基础上制定合理的A/B test计划，观察流量数据，比如访问量、用户停留时间、访问内容、跳出率等，从落地页角度来说，热力图是一个非常好的分析工具，借助热力图我们可以看到用户在落地页上面的行为轨迹和关注的内容，这仅仅是从数据上反应出来的内容，而另一种方式是借助问卷调查的方式，可以了解到一些在数据上面无法反映的影响点以及我们由于思维惯性无法思考到的
提出假设并且制定所需达到的目标；这是我们采取A/B test的理论基础，在基于研究现有情况的基础上，做出提高转化率的合理方式的假设，并为其制定一个合理的业务目标，在准备好这些之后，就可以采取A/B test了
确定控制变量和变体；前文提到，需要在控制其他变量不变的情况下来采取行动，比如时段、周期一致，除去所需控制变量外的其他变量一致，针对控制变量采取变体，这变体是针对上一个版本而更换的新版本，从而测试哪个版本表现更为优异
采取A/B test行动，现在我们所需要做的就是将A/B test部署到线上环境，测试转化目标，观察数据的变化，确定哪个版本更为优秀，从而确定哪个元素的表现优异，值得注意的是，A/B test需要一定的样本量来确定实验的结论是否可靠，这决定了我们所需的测试时间
数据分析与结论改进；这一部分主要涉及到统计学方面知识，通过一些度量标准，例如百分比增加，置信度等来考虑我们所采取的A/B test是否合理科学
主要进行A/B test的元素
· 网站的标题主图；这是用户进入到落地页第一眼看到的内容，而这块的跳失率是非常高的，因此优化标题主图的重要性是毋庸置疑的，不同的排版设计、例如出现的画面是动物还是人类、眼睛是直视你还是低头瞧地，可能都会产生不一样的影响，尽可能的找到影响转化的元素，并采取行动。
· 导航；导航这块的内容主要是要确保用户可以简单的从主页出发找到所需的内容，而不同的导航布局可能会对用户产生不同的影响，利用热力图观察用户主要点击的导航的内容和位置是什么，并添加更换导航的内容，测试用户的反应做出更好的改进
· CTA；通过更换号召性按钮以及修改表单填写内容来进行优化，比如亮度更高的按钮可以使得用户更为明显的找到采取行动，而用户的耐心是有限的，过多的表单内容可能使得用户流失
· 整体设计布局；在落地页一章提到了关于落地页的排版布局，而落地页内部关于产品的展示顺序是否容易查找，对于用户来说也是影响流失率的原因，比如大多用户倾向于无线耳机，但是在展示的第一栏都是有线耳机，这可能使得用户没有耐心而流失，一步步的测试布局内容是必要的
A/B test容易出现的错误
· 缺乏足够的假设和目标设定
· 没有控制好其他变量，一次性测试过多变量
· 忽略统计学意义
· 测试流量的不平衡
· 测试结论具有偶然性
