今天来讲一讲大家较为熟知，应用度也较高的方法— A/B 测试（A/B Testing）。
其实市面上介绍 A/B 测试的文章并不缺乏，但大多都着眼于网站体验或产品优化，今天将从信息流营销创意领域，来和大家分享下，如何利用 A/B 测试来优化广告素材。
1
什么是 A/B 测试？
江湖规矩，还是要简单介绍下 A/B 测试的概念：
所谓的 A/B 测试，通俗来说就是创建一个产品或界面的两个不同版本，通过流量拆分的方式随机呈现给你的目标用户，再根据真实客观的用户行为数据反馈，选择较优版本予以采用。
而在广告创意优化中使用的 A/B 测试具体指：设计两个不同版本的广告素材，除唯一变量外，保证这两个版本其他完全相同。然后通过投放平台或投放方式实现流量曝光的随机平均分配，最后找到更为高转化低成本的广告创意。
2
A/B 测试测什么？
A/B 测试号称应用广泛，神通广大，但在落实到广告优化上，我们首先要清楚，它可测试的元素是什么？可优化的维度又有哪些？
这里给大家总结出了3大元素和5大维度。
所谓3大元素，主要指的是构成广告的基础素材——图片、文案、CTA。
图片：包括背景图、主体图（产品、人物等）、修饰素材。
文案：包括图内文案以及标题文案。
CTA（Call To Action）：引导下一步操作的点击按钮。
所谓5大维度，指在图片、文案、CTA 这每一个元素上，可以从这5大方向思考，尝试优化：
3
如何进行 AB 测试？
第一步：明确测试目标
所有的 AB 测试都是基于某个假设而展开的，而回答验证这个假设就是测试的目标。一个完整的测试目标包含两部分：一是测试内容，二是衡量标准。
例如，我们提出一个假设：我认为广告图片中的文字用红色比用白色点击率效果更好。在这里，文字的颜色（红色&白色）就成了此次 A/B 测试的内容，而广告的点击率就是判定测试的衡量标准。
广告效果的衡量标准并不固定，可以是CTR，eCPM 或者是你自己的定义的 CPA 或者 ROI。
第二步：制作A/B两个版本投放
确定了测试目标，就可以开始制作测试版本进行投放了。
制作广告素材时，要注意严格遵照设定的测试内容来设计和修改两个测试版本，保证除了唯一变量外，其他内容完全相同。
投放时，也要确保一致的投放环境。如果投放平台支持多创意功能，可将两个素材版本放在同一个广告系列下构建测试，若平台尚未能支持，要确保两个广告素材的投放时间、定向条件等保持一致，保证二者能平均分到相同条件的曝光流量。
第三步：比较分析目标结果
如何判定 A/B 两个版本孰优孰劣？什么样的结果才是真实可靠的？
这里教大家2点来保证 A/B 测试的可靠性：
1）使用多天的计算结果来增加可靠性
A/B 测试要有足够的样本量，才能避免结果的偶然性，得出靠谱有效的结论，这就需要我们保证测试的周期，一般需要一周左右，样本量足够大的情况下可酌情缩短。
2）使用统计方法来衡量结果的可靠性
关于结果的统计检验，堂主先仅做简单介绍。A/B 测试的结果一般用统计方法中的 T 检验来保证结果的显著有效性。
对于统计小白，也可以使用第三方A/B 测试结果计算器工具，只需输入 AB 两组的测试结果，就能自动算出优胜者，并显示结果是否有效。
4
使用时有哪些注意点？
1、知道A好，但不一定知道A为什么好
A/B 测试结果只能证明相关，并不代表有因果关系，我们基于结果做出的推测，所分析的原因，只是一种可能，并不绝对。一个因果关系是要在严格的实验条件下反复验证得出的，而我们平时推理出的理由只是我们的经验总结。
2、A比B好，但不一定是最好
A/B 测试的结果只能说明，在一定条件下，某个方案更优秀，但并不一定是最优方案。很可能还有效果更好的方案没有发现，所以我们要不断提升自我，坚持探索下去。
3、这次是A好，但下一次不一定还是A好
A/B 测试的方案是在一定条件的作用下，才得出这样的效果，产生这样的结论。如果环境发生变化，我们之前的经验结论可能就无效了，甚至会有反向效果，所以在运用结论时要慎重。
