# AI 和个性化正在彻底改变电子商务搜索 ## 传统搜索不再满足数字时代消费者的期望。但随着 AI、个性化以及基于语义和意图的搜索相结合，提供复杂的消费者体验，搜索有机会适应并重新夺回其作为令人兴奋的产品发现门户的地位。 **总结本文** **您需要了解的内容：** - 传统的基于关键字的搜索已经过时，难以理解用户意图，导致相关度低且令人沮丧的电子商务体验。 - AI 和个性化现在能够实现更智能、具有上下文感知且以视觉为驱动的产品发现，符合人们自然的搜索方式。 - 产品发现由三种关键的消费者行为定义——浏览型、目的驱动型和产品特定探索型。先进的语义搜索、个性化、视觉分析、生成式 AI 和深度学习可以增强这三种行为。 - 这种智能、统一的方法有潜力通过为每个用户提供超相关、直观的购物体验来提高转化率和参与度。 搜索几十年来一直是我们生活中不可或缺的一部分——但它需要进行彻底改造。 让我们回到早期搜索引擎的时代来理解原因。假设您正在寻找研究报告的最新信息。您的第一反应是在搜索框中输入问题。结果出现了，但大多不相关。您必须学会如何将想法转化为可搜索的关键字，即便如此，也会撒下一张大网，需要在筛选大量结果后才能拼凑出正确的信息。 随着 SEO 的发展，搜索过程变得不那么艰难了，但从概念上讲，几十年来它没有经历任何有意义的演变。搜索没有随着人们的参与而动态适应，反而是人类适应了机器的逻辑。这种缺乏细微差别的方式让用户感到沮丧和疏离。 今天，我们已经到达了一个转折点。越来越多的用户转向 AI 工具，如 ChatGPT——每天接收超过 10 亿次查询——在几秒钟内找到他们想要的东西。 现在，搜索终于开始发展，以满足消费者日益增长的需求和期望。 ## 不断变化的消费者期望正在迫使搜索发生范式转变 AI 为与品牌互动和产品发现开辟了新方式。购物者现在期望在搜索体验中获得更复杂、更快速、更智能的功能。以下是我们走到今天这一步的历程： **人们的搜索方式与传统搜索能力存在冲突** 让我们考虑一个人通常如何与搜索互动。假设有人在寻找参加朋友婚礼要穿的连衣裙。尽管 50% 的问题超过三个字（根据 Dynamic Yield 的数据），但消费者通常使用 2-3 个字的查询来锁定他们想要的东西。因此，这个人输入查询"dress for wedding"，但搜索引擎只显示白色连衣裙，未能识别出宾客不应该穿白色。 现在，想象一种情况，购物者直接说出他们想要什么："I need a dress for a friend's al fresco wedding in Florida." 这些额外词语中包含的额外上下文和具体信息可以为消费者节省大量时间——前提是搜索功能足够先进，能够理解这些信息。 消费者已经做出了调整，因为历史上的关键字搜索并非设计用于处理复杂查询，因为产品信息流通常标记不佳，搜索也无法借鉴现实世界的知识。此类查询甚至可能将消费者引导至不相关的产品，因为词语背后的含义与词语本身同样重要。 **AI 驱动的指导和建议更具个性化** 传统搜索依赖于用户输入和筛选，但无法利用有关消费者偏好的潜在有价值数据，导致结果泛化。为了绕过这种挫败感，约 70% 的人选择使用生成式 AI 而非传统搜索来获取指导和建议。此外，大多数人信任这些 AI 推荐，并在没有额外研究的情况下接受它们，因为它们如此具体地满足了他们的需求。为了避免失去这些有价值的互动机会（以及避免失去对其产品如何在 Gen AI 工具中展示的控制权），品牌必须将其搜索体验从泛化演变为基于上下文和数据的个性化。 **消费者在购物时已逐渐依赖视觉信息** 难以描述他们正在寻找什么的在线购物者更喜欢使用视觉信息来弥合差距。事实上，Pinterest 调查中有 85% 的受访者表示，在线搜索服装和家具时，视觉信息比文本更重要。传统的关键字搜索根本无法基于视觉分析提供结果。 ## AI 和个性化如何结合重新定义搜索 今天，AI 驱动的算法和个性化正在将搜索提升到新的高度。 搜索不再是一刀切；它可以动态调整以适应人们寻找所需产品的各种方式。事实上，人们发现产品有三种常见方式。让我们逐一分析，并深入探讨这些突破性的新搜索功能如何更好地满足消费者需求。 1. **为浏览驱动型消费者提供个性化导航** 这些购物者有兴趣探索特定类别中的内容，而非导航到特定产品。 为了基于这种高意图浏览行为简化搜索体验，品牌可以使用个性化来识别导航搜索查询（如"men's shoes"），并将这些查询引导至定制的分类页面，而非网站的默认搜索体验。 _搜索男士鞋类会显示带有个性化结果的分类页面_ 这些分类页面还可以使用复杂的深度学习算法进行排序和优化，根据用户的偏好为每个用户展示最相关的产品，并预测他们接下来可能最感兴趣的内容。不同的算法和商品规则也可以针对不同页面和受众进行定向，以确定最佳组合，实现最大参与度。 2. **为目地驱动型消费者提供 AI 驱动的助手** 目的驱动型消费者知道他们想要什么，并最终寻求指导。例如，他们可能知道健身房需要穿的衣服，但尚未缩小到具体产品。 个性化和 AI 现在可以帮助零售商理解口语化、基于问题的搜索查询背后的意图。当与先进的语义搜索（能够理解查询的含义，而不仅仅是词语）结合时，体验会变得更好。一个出色的实际例子是：生成式 AI 驱动的对话体验，如 [Shopping Muse](https://www.dynamicyield.com/shopping-muse/)。无论购物者搜索"running jacket for winter"还是"What should I wear jogging in cold weather?"，这些 AI 聊天机器人使用自然语言处理和深度学习模型来回答直接问题，每次都推荐最相关的产品。通过分析上下文和行为数据，聊天机器人更适合预测消费者接下来可能需要什么。 根据我们的经验，零售商发现，与未参与此类工具的购物者相比，参与此类工具的购物者更有可能购买，且购物车价值更高。对于为他人购物或缺乏产品知识的消费者来说，这也是找到完美礼物的简单方式。 3. **为产品驱动型消费者提供先进的语义搜索和视觉分析** 这些是试图直接导航到特定商品的高意图购物者，如"high-top basketball shoes"。对于这样的具体查询，我们可能会认为传统搜索方法已经足够。但先进的搜索功能使消费者能够即时筛选大型产品目录中的噪音，直达目标产品。利用用户历史、偏好和上下文线索，个性化搜索可以展示他们喜欢的颜色和功能的高帮篮球鞋。 个性化自动完成还可以将购物者引导至他们通过分类和产品列表页面导航无法发现的相关产品。 通过视觉分析工具，现在可以识别品牌产品目录中商品的物理属性，无需第三方目录丰富，使零售商能够更快地展示正确的产品。例如，即使某件商品未标记为"striped trousers"，AI 也能"看到"图像中的条纹，并知道将其包含在相关搜索结果中。 此外，发现自己喜欢的东西的消费者——例如，在外出办事时橱窗中看到一双时尚的运动鞋——可以上传照片，并立即与零售商目录中的相似产品匹配。即使目录中的某件商品缺货，视觉搜索也能返回下一个最相关的商品。 _购物者上传一张穿红裙女性的照片，视觉搜索会提供多个相似产品_ 总体而言，这些视觉分析工具提高了准确性，减少了手动产品信息流管理，使品牌和消费者都受益。 ## 智能搜索已到来 搜索、个性化和 AI 在电子商务中各自扮演独立角色的日子即将过去，当它们以令人兴奋的新方式融合时，消费者可以期待更快、更简单、更有影响力的数字体验。除此之外，品牌可以获得一系列好处，包括：超相关的搜索结果，带来更高的参与度和平均订单价值；通过使消费者能够用几乎任何语言提交查询来实现全球搜索扩展的能力；以及将搜索体验与业务目标对齐的能力，基于利润率、退货率、库存水平等对结果进行排序。 随着越来越多的人开始将搜索作为产品发现的真正有用工具，这些好处会成倍增加，每次互动都能在其他触点上实现更深入的个性化。无摩擦的搜索体验最大限度地提高了转化率，利用零售商对客户的了解——从之前的购买到会员资格——提供超个性化的顺畅体验。 在 AI 的掌舵下，搜索不仅准备重新夺回它曾经为消费者拥有的基本角色——而且要革命性地改变他们发现和购买产品的方式。 有兴趣了解如何获得下一代搜索功能吗？[与我们联系](https://www.dynamicyield.com/search/?utm_source=thoughtleadership&utm_medium=xp2&utm_campaign=search)安排 Experience Search 的定制演示，它可以帮助您的品牌提供更智能、更个性化的搜索体验，实现转化。 Dynamic Yield by Mastercard 与这些来源中引用的研究没有关联。 1 Lee, Kristian Kask 和 Joel。"信不信由你，Chatgpt 每天接收超过 10 亿条信息。" PCWorld，2024 年 12 月 5 日。https://www.pcworld.com/article/2546712/believe-it-or-not-chatgpt-gets-over-1-billion-messages-every-single-day.html. 2 Indig, Kevin。"新数据：消费者对生成式 AI 的真实看法。" www.growth-memo.com/p/new-data-what-consumers-really-think-about-generative-ai. 3 Pinterest。"为更多在线到离线灵感升级 Lens。" Pinterest 新闻室存档，2019 年 9 月 17 日。newsroom-archive.pinterest.com/upgrading-lens-for-more-online-to-offline-inspiration. #### 接下来阅读 - [对话式商务：您对市场变革技术的指南](https://www.dynamicyield.com/article/conversational-commerce-guide/) JR Moore - [当语言不足时，让图像说话：视觉搜索如何重新定义产品发现](https://www.dynamicyield.com/article/how-visual-search-is-redifining-product-discovery/) Lior Delouya --- # 将生成式AI集成到您的个性化工作流中的3个技巧 — Dynamic Yield _欢迎来到我们的新栏目[Dynamic Voices](https://www.dynamicyield.com/articles/?type=dynamic-voices&order=date&gate=or)，这是一个在 XP² 上定期发布的系列， featuring 来自我们网络内思想领袖的及时观点。在本期中，北欧副总裁[Harry Hanson-Smith](https://www.linkedin.com/in/hhansonsmith/)分享了个性化从业者可以实施的实用技巧，以借助 AI 更好地实现目标。_ 从我的 LinkedIn 动态来看，我开始感觉到市场对生成式 AI 的喧嚣感到有些不知所措。在与[个性化](https://www.dynamicyield.com/article/personalization-guide/)团队和业务领导者交谈后，很明显，AI 在文化对话中的适应速度比在业务和个人流程中的实施速度更快。我在这里要穿透噪音，告诉您，团队不仅今天就能将 AI 集成到他们的工作流中，优化结果和效率——无论是对个人职业生涯还是整体业务影响——而且应该尽快这样做。 尽管 AI 扩大了单个人在创作和分析方面的可能性，但它仍然依赖于那个人的专业知识。例如，虽然营销人员可以使用 GenAI 为新的 A/B 测试活动创建数百种不同的文案选项，但该营销人员仍然需要编写能够传达品牌及其受众信息的提示，并编辑其输出以确保它们感觉自然且植根于真正的人类同理心。尽管营销人员可以使用先进的机器学习工具来预测和满足客户需求，但只有在数据流没有错误的情况下，它才能如此精确地做到这一点。 总之：人们需要将生成式 AI 实施到他们的工作流中，才能实现真正的收益。虽然所有这些准备工作和质量保证工作对于[个性化团队](https://www.dynamicyield.com/lesson/roles-of-a-personalization-and-optimization-team/)来说可能感觉过于昂贵和困难，但现在做这项工作至关重要。但幸运的是，有很多事情可以做，让这段旅程感觉不那么令人生畏。在这里，我见过的对个性化从业者、团队和领导者的三个关键策略。 ## **现在投资您的数据：** 您的操作系统中已经有许多 AI 驱动的推荐工具（我们稍后会讲到），但为确保最大影响，您需要有效地收集和利用数据。AI 能力完全取决于它所暴露的数据的质量和数量，因此您的团队需要确保所有数据都是相关且一致的。 这不是一项容易的任务，但值得。让我们看看[home24 的例子](https://www.dynamicyield.com/article/home24-product-feed/%20rel=)：随着公司发展其个性化项目，他们注意到其产品信息流并不完美，由于之前的策略更关注上市时间而非数据完整性。为了保持竞争优势，home24 不得不完全重组其产品信息流的结构，清除任何重复、不相关或不一致的属性，并添加及时的属性。虽然这个项目极其技术性、耗时且复杂，但它也是提高 AI 驱动推荐质量和确保项目扩展时数据流完整性的唯一途径。 虽然团队可能希望推迟这项工作，但[整理产品信息流](https://www.dynamicyield.com/article/fashion-product-feed-cleaning-recommendations/)的时间就是现在，因为它将保证竞争优势。 ## **探索 AI 提示训练：** 营销人员可以用基于文本的 AI 工具（如 Gemini 或 ChatGPT）或基于图像的工具（如 Canva）来补充他们的工作流，为[A/B 测试](https://www.dynamicyield.com/lesson/introduction-to-ab-testing/)创建不同的文案和视觉变体。我从我的网络中听说，团队在采用 AI 时面临的最常见挑战是知道如何掌握完美的提示——这可以通过适当的培训轻松解决。您需要明确具体，才能创建与品牌和目标一致的可用资产。您为基于文本的 AI 工具提供的上下文与您使用的工具类型同样重要。正如我们所知，AI 仍然是一项容易出错的技术，但继续尝试编写 AI 提示将让您更好地了解该工具需要何种类型的具体信息才能满足您的需求。 _您可以在 Dynamic Yield 的 Experience OS 中解锁新的方式来激发创造力，并在几秒钟内制作引人注目的活动。了解如何通过[_生_](https://www.dynamicyield.com/ai/)_成式 AI 驱动的产品_打破重复信息和视觉的束缚。 营销人员需要实用的 AI 使用技巧，我发现哈佛大学的[这个资源](https://huit.harvard.edu/news/ai-prompts)是一个绝佳的起点。您可以向该工具提供任意数量的指示，如您希望包含或不包含的内容以及您希望它如何呈现。反馈也至关重要。如果您对输出不满意，请让该工具知道，以便它可以纠正错误。如果您在创建提示时完全陷入困境，请让 AI 帮助您生成一个。在获得适当的上下文和方向时，AI 可以产生令人难以置信的结果。 _这两个提示由一个在线零售商的个性化团队编写。第一个提示是通用的（可能描述任何数量的 T 恤），导致冗长、模糊的输出。第二个示例展示了更多参数如何使输出更简洁，有效传达有关产品的关键细节。_ ## **尝试不同的 AI 工具：** 除了 GenAI，还有可直接插入您的个性化提供商并改善用户体验和[产品推荐](https://www.dynamicyield.com/lesson/product-recommendations-guide/)的先进 AI 驱动工具。例如，在一个客户寻求高度个性化数字体验的世界中，复杂的[生成式 AI 驱动聊天机器人](https://www.dynamicyield.com/shopping-mense/)可以创建模仿店内咨询体验对话式商务体验，使用识别并展示视觉上相似产品的机器学习功能。您还可以通过[深度学习](https://www.dynamicyield.com/adaptml/)改进推荐，该学习处理跨用户的数据输入，以识别客户行为中的趋势和模式。 ## **未来就是现在** 随着 AI 继续彻底改变营销人员与消费者互动的方式，利用它尽可能多地保持效率和领先于游戏的压力越来越大。尝试现有工具需要时间和耐心，但一旦您穿透了表面文章，您将看到的好处将远远超过任何成长的烦恼，并帮助您发现更具创新性和更高水平的个性化策略。我希望这些实际示例能为您的日常工作提供一个起点。 --- # 从碎片化到连接：掌握个性化用户识别 — Dynamic Yield ## 发现提高用户识别和在全渠道世界中推动忠诚度的实用策略。 **总结本文** **您需要了解的内容：** - 用户识别：对于在多个渠道提供无缝且个性化的体验至关重要，构成了成功全渠道战略的基石。 - 全渠道机会：品牌应将全渠道互动视为品牌知名度和忠诚度的积极信号，利用每个接触点来加强连接并了解用户偏好。 - 用户识别的好处：实现跨渠道一致性、数据驱动的个性化、增强客户体验和高效的营销策略。 - 提升用户识别：实施全渠道事件，使用定向活动增加订阅和登录，通过自定义代码识别外部电子邮件活动中的用户。 ## **在全渠道环境中，用户识别对个性化的重要性** 在当今超连接的世界中，客户通过多个渠道与品牌互动，从移动应用和网站到实体店和社交媒体。为了提供无缝且个性化的体验，企业必须准确且一致地在所有这些接触点上识别用户。这个过程被称为用户识别，构成了成功全渠道战略的基石。 ## **将全渠道视为积极机会** 品牌不应害怕数据碎片化和不一致的用户体验，而应将为全渠道互动视为品牌知名度和忠诚度的积极信号。用户在您的品牌不同渠道上的互动越多，他们就越有连接感和投入感。每个接触点都提供了加强这种连接并了解用户偏好的机会。 通过专注于在整个客户旅程和跨多个渠道建立强大的用户识别，企业可以将碎片化的感知挑战转化为资产。开发无缝识别策略不仅增强了个性化，还培养了与忠诚客户的长期关系。 ## **为什么用户识别对个性化很重要** 个性化已成为客户满意度和忠诚度的关键因素。当用户感到他们的偏好被认可并得到满足时，他们更有可能与品牌互动并进行购买。用户识别使以下方面成为可能： 1. **跨渠道一致性：** 当用户从移动应用转移到网站或访问实体店时，他们的偏好和数据得以保留。 2. **数据驱动的个性化：** 企业可以利用从不同互动中收集的数据来预测用户需求并及时提供推荐。 3. **增强客户体验：** 个性化培养了一种连接感，让客户感到被重视和理解。 4. **高效的营销策略：** 通过理解用户旅程，企业可以更有效地定位促销和内容。 ## **如何提升用户识别？** 1. **实施！确保全渠道事件在整个用户旅程中得到实施。** 这些事件在以下情况触发用户识别：注册账户、登录账户、订阅新闻通讯或在结账时识别自己 2. **使用定向活动增加订阅和登录 –** 使用 [Dynamic Yield 共情个性化](https://support.dynamicyield.com/hc/en-us/articles/17653567078173-Empathic-Personalization)框架，您可以根据用户在其客户旅程中的需求来个性化您的策略。 - 好奇的用户 – 使用退出意图弹出窗口提供温和的介绍："解锁独家系列的早期访问！" - 感兴趣的用户 – 在添加到愿望清单时鼓励更深入的参与："保存您的收藏夹"提示，以捕捉意图并加强关系。 - 专注的用户 – 促进无缝结账并通过提示建立信任："创建账户以实现快速结账和订单跟踪。" - 满意的用户 – 通过购买后注册福利鼓励重复登录和忠诚度："跟踪订单并解锁 VIP 特权。" 3. **通过外部电子邮件活动识别用户** 创建 _自定义代码_ 活动，通过 CUID（例如哈希电子邮件、自定义 CUID）识别从外部电子邮件活动到达的用户。当用户点击 ESP 发送的电子邮件中的链接时，参数会捕获他们的 CUID，从而实现识别。查看[如何设置](https://support.dynamicyield.com/hc/en-us/articles/360034332473-Matching-Users-Across-Channels#identifying-users-from-external-email-campaigns-0-3)，立即开始使用我们的即用型模板增加您的已识别用户！🚀 #### 接下来阅读 - [打破银行的个性化障碍](https://www.dynamicyield.com/article/banking-personalization-issuers-breaking-barrier/) Parks Daniel - [个性化如何推动拉丁美洲数字繁荣的成功](https://www.dynamicyield.com/article/personalization-growth-latin-america/) Karin LaHalle - [AI 和个性化可以弥合同情差距](https://www.dynamicyield.com/article/ai-personalization-empathy/) Yaniv Navot --- # 在 A/B 测试中选择合适的流量分配 **总结本文** **您需要了解的内容：** - 选择合适的流量分配方法对于 A/B 测试的成功至关重要。 - 手动分配提供精确控制，非常适合需要统计显著性才能实施的长期测试。 - 自动分配优先考虑数据利用和转化优化，适合短期测试。 - A/B 测试应根据具体测试目标和时间线策略性地使用这两种方法。 对于营销人员来说，[A/B 测试](https://www.dynamicyield.com/blog/introduction-to-ab-testing/)是一个重要工具，使企业能够就客户体验做出有影响、数据驱动的决策。每当您设置具有多个变体的 A/B/n 测试时，确定如何在变体之间分配流量非常重要。每种流量分配选项的行为如下： ## 手动流量分配（经典的 A/B 测试方法） 简而言之，使用手动分配时，流量在变体之间平均分配，直到宣布单一获胜者。实际上是一种标准的 A/B/n 测试，假设一旦结果显著，测试管理员将仅将最佳变体分配给所有访问者。例如，如果您启动一个包含四个变体的测试，您可以决定所有变体都应获得同等曝光，每个变体占流量的 25%。或者，您可以偏袒某些变体，选择任何其他总和为 100% 的分配率组合，例如 50/20/20/10。手动分配测试本质上是变体之间（以及相关时的对照组）的测试，最终一个变体将以高置信度水平被宣布为获胜者。 ## 自动分配（多臂老虎机） 使用自动分配（也称为动态分配或多臂老虎机方法），随着收集更多数据，表现最佳的变体会逐渐被提供给更大比例的访问者。随着时间的推移，系统会基于可用数据动态地将流量路由到表现最佳的变体。这意味着，即使变体 A 今天是最佳表现者，一个月后，不同的变体也可能超越它。 下图说明了在需要第八天做出决策的持续实验中，手动与自动流量分配行为之间的差异： ## 如何为您的 A/B 测试选择合适的流量分配？ 每种流量分配方法都针对不同的用例进行了优化。问问自己，以下哪种说法更适合当前手头的用例： **1)** 我正在寻找最佳变体，以便长期向所有用户展示。在这种情况下，选择手动分配。 用例示例：布局和 UX 更改。 **2)** 我希望在测试运行的有限时间内充分利用多个变体。在这种情况下，选择自动分配。 用例示例：英雄横幅上的促销。 当需要对网站进行重大永久性更改且时间并非关键因素时，应使用手动分配以获得[统计显著性结果](https://www.dynamicyield.com/glossary/statistical-significance/)。手动分配测试可以运行所需时间，收集数据以产生高度[结论性的统计显著结果](https://www.dynamicyield.com/glossary/conclusive-results/)。 此类测试的缺点是，在等待显著结果时——这可能需要时间——无法利用已收集的数据。访问者仍会被暴露于表现不佳的变体组合中。在促销变体频繁更新的情况下，甚至可能没有足够时间[达到显著结果](https://www.dynamicyield.com/blog/statistical-significance/)，因此任何优化机会都会丧失。 如果您管理的活动变体保质期较短，或它们频繁更改和更新，那么多臂老虎机是最佳选择。自动分配对现成数据的利用率高得多，在驱动流量分配决策时更具侵略性。自动分配知道权衡新变体、表现不同的变体、不同时期等。 ## 及时性并非在所有事项上都最好 A/B 测试和优化应该通过时间的角度来看待——您要么有时间，要么没有。进一步解释，当寻求测试长期更改的影响时，例如新页面布局，或就本文而言，电子邮件捕获消息，人们不希望在没有数据支持的情况下过早做出重大或战略决策。这样做可能对 KPI 和整体客户体验产生重大负面影响。 鉴于此，测试需要积累足够的关于变体的数据，以便团队能够自信地宣布获胜者，这个过程最少可能需要两周时间。在这种情况下，如果企业有等待统计显著性结果的宽裕时间，A/B 测试是理想选择。 A/B 测试设置用于找出哪种消息更适合长期部署 但如果变体的寿命很短，没有时间等待获胜者怎么办？例如在销售活动期间每周更改的英雄横幅场景中，主要目标是通过让用户参与表现更好的变体来提高特定 KPI。 因此，将流量发送到失败的变体实际上会降低点击率、转化率或用于衡量测试成功的任何其他主要指标。这正是自动分配非常适合短期决策的原因，因为产生最高结果的变体会更频繁地展示，使团队能够以更快的速度优化转化率。 使用动态分配运行短期测试，以增加对领先变体的曝光 我们可以将动态分配视为探索与利用，它解决了在学习上"浪费"多少以及利用已学知识的机会。因为动态分配中总有 10% 的流量被随机变体服务，90% 流向获胜者，探索与利用的 10/90 比率允许在算法继续学习"失败"变体的同时，将流量导向领先变体，使它们有机会反弹。 ## 平衡数据与转化 最终，可用的两种流量分配方法为企业提供了灵活性，既能获得做出合理长期决策所需的智能，又能获得即时优化的能力。这不是二选一的问题，手动和动态分配都应被用于测试，希望本文能帮助阐明具体何时使用。 ##### 继续阅读 --- # 电子商务导航优化最佳实践和示例 您走进附近的杂货店，寻找今晚计划尝试的新食谱所需的一些食材：大米、鸡肉、土豆——您的主食。但您也在寻找藏红花，这是您家中不太熟悉的食材。但知道它是一种香料，您能够快速导航到对应的过道，按字母顺序在货架上找到它，并顺利完成结账。 在线购物时，品牌应致力于提供最直接的发现体验。在许多方面，电子商务体验模仿实体店。用户可以浏览可用库存，通常可以轻松访问以前购买过的商品，并在最终决定前比较类似产品。然而，数字商店面临着艰巨的任务。无法完全复制消费者在店内经常花时间与数十种产品互动的购物体验，在线购物往往非常具有交易性。为了补救这一现实，品牌必须[个性化](https://www.dynamicyield.com/article/personalization-guide/)购物体验以维持用户参与度。从图像、按钮颜色、主页横幅到电子邮件主题行和购物车页面设计，每个决策都会极大地影响购物者在网站上停留的时间以及他们是否会完成购买。 重要的不仅是您提供什么以及如何在网站上展示产品；您如何组织网站可以决定企业的成败。精心设计的网站不仅能简化整体购物体验，而且如果做得好，还会提高您的主要指标。下面，了解更多关于导航优化的信息，所有电子商务网站都应考虑和测试的元素，以及设计了卓越导航体验的品牌示例。 导航优化是指改进访问者和搜索引擎在给定网站内查找和访问信息的过程。这包括网站的分类法、页面结构方式以及桌面和移动设备上菜单的标签方式。所有这些组件的设计都会对整体最终用户体验产生巨大影响，提高或降低搜索排名、[跳出率](https://www.dynamicyield.com/glossary/bounce-rate/)、[页面浏览量](https://www.dynamicyield.com/glossary/pageview/)、网站停留时间、回访者、[转化率](https://www.dynamicyield.com/glossary/conversion/)等指标。因此，为了给您提供优势，让我们更仔细地了解营销人员应关注的细节。 ## 分解网站导航的各个组件和示例 ### 主导航 您如何展示页头是电子商务导航战略的支柱。最常见的两种格式是水平或垂直固定的菜单，展示少数关键产品类别。网页设计师长期以来一直争论哪种展示方式最优化，但事实是，它因网站而异。在一个上下文中效果良好的方式在另一个上下文中并不总是同样有效。按渠道查看设计时也是如此——移动和网页导航体验通常有所不同。让我们评估可能影响您采取哪种方法的变量： 1. **页面空间：** 在桌面设备上，水平导航菜单比垂直导航菜单节省更多页面空间，缩小主页和跨网站页面上的内容区域。然而，在移动设备上，空间有限，垂直导航通过汉堡菜单可以快速隐藏和显示菜单项。 2. **菜单项优先级：** 通常，最左边和最顶部的菜单项权重最大，因为这些位置被视为主视觉区域。此外，由于大多数用户从左到右阅读，这为桌面网站上的水平导航体验提供了更强的理由，因为桌面网站有更多可用空间（移动体验则不然，因为大多数设备针对垂直格式页面进行了优化）。 3. **扫描：** 许多用户发现快速垂直扫描页面的体验更自然，这为垂直导航菜单提供了支持。 ### 分类 导航结构和标签应在所有页面上清晰简洁，其中一部分包括决定如何展示产品类别。如果您的产品库存庞大，按类别类型整合的导航菜单栏是必不可少的。[34%](https://baymard.com/blog/mobile-ecommerce-search-and-navigation)的移动电子商务网站不提供"主题性"产品浏览，使用户难以找到他们想要的东西。因此，品牌应旨在展示少数顶级类别，而不是让购物者不知所措。 当然，这条建议也有例外。例如，如果您只销售帽子，最好按帽子类型对菜单栏进行分类，而不是仅列出一个选项。如果您知道用户在某个季节内倾向于主要在特定产品类别内购物（例如冬季的靴子），请重新构建您的菜单，将该部分优先于其他类别。 展示父类别的方式并非全部。确定如何在导航菜单中展示子类别也是导航体验的重要组成部分。品牌通常采用两种主要方式进行这种设计： 1. **分级菜单：** 列出父类别，仅在悬停或点击时显示子类别 2. **巨型菜单：** 在初始菜单下拉时列出所有父类别和子类别 _eCommerce 导航菜单示例：仅在点击时显示子类别的分层方法_ _巨型菜单的菜单设计灵感_ 分级导航允许用户在给定时刻做出一个简单的选择，通过限制可供选择的类别和选项列表。巨型菜单释放出 overwhelming 的可能性之海，这可能导致用户经历选择瘫痪。虽然这里似乎有一个显而易见的选择，但我们鼓励每个组织测试两种体验及其迭代，运行实验以确定哪种变体最适合普通访问者以及不同受众。这样做将为您最终做出的决定注入信心。 您展示菜单项的顺序也是优化网站导航的一种方式。虽然您可能有向普通访问者或新用户展示的默认顺序，但使用偏好数据，您可以根据用户的偏好个性化定制菜单项的顺序，从而在更个人的层面上定制体验。它不仅能加快发现过程，还能更有效地推动转化。 _基于每个访问者偏好重新排序的导航菜单示例_ ### 需要考虑的其他元素 除了确定主导航布局外，电子商务团队还有许多其他决策要做。这些包括： ##### 粘性导航 这些固定菜单帮助用户导航网站页面。为了简化和促进积极的在线购物体验，导航菜单、产品筛选器和排序菜单应始终对用户可见，并在他们浏览和滚动网页时出现。 _粘性电子商务菜单示例_ ##### 设计风格 菜单选项的设计也可以在导航体验中发挥重要作用。从按钮颜色、主导航菜单的外观到使用的字体和排序菜单的大小，设计决策会影响用户导航网站的难易程度。测试不同的外观、颜色、大小和样式将告知哪些变体最适合您的品牌。 ##### 菜单渲染 目前存在两种主要的菜单样式：悬停下拉和点击下拉。悬停菜单在用户鼠标悬停在导航菜单上时展开，后者仅在点击时下拉。与设计决策类似，测试两个选项以确定在您的网站上采用哪个。此外，对于分级和巨型菜单，品牌都可以在完全展开后展示个性化产品推荐，进一步最大化网站空间。 _在电子商务导航菜单中展示特色产品推荐的示例_ ##### 页脚 您网站的页脚也提供了机会，可作为将用户导航到他们感兴趣的页面、鼓励电子邮件注册、通过隐私相关信息建立可信度等的媒介。考虑在网站的固定页脚中显示指向热门分类页面的链接，以便用户在到达页面底部时可以轻松访问其他网站区域。 _详细的页脚体验示例_ 除了促进产品发现体验外，构建更全面的页脚还可以对网站的 SEO 产生积极影响。在页脚中包含适当数量的超链接，即使您没有选择更强大的页脚体验，也会对搜索排名产生积极影响。列出的每个链接都会被分析以用于 SEO 排名，因此虽然您不应在页脚中塞入太多关键字，但我们建议您添加能为品牌增加价值或鼓励用户行动的短语。 ## 各种搜索功能类型 除了主导航菜单设计和粘性外，电子商务供应商还可以使用几种额外策略来优化网站导航。在搜索功能方面，组织有两种主要选择：分面搜索和语义搜索。 ### 分面搜索 [分面搜索](https://www.dynamicyield.com/glossary/faceted-search/)或引导式导航，帮助用户基于尺寸、颜色、价格和品牌等筛选器分析、组织和过滤大量产品库存。分面搜索选项是搜索查询的结果；因此，显示的选项仅与查询相关的筛选选项有关。 _电子商务网站上的分面搜索示例_ 另一方面，[搜索筛选器](https://www.dynamicyield.com/glossary/search-filter/)允许用户基于特定类别（例如尺寸、颜色、价格或品牌）筛选产品属性。筛选器与分面搜索不同，因为它们旨在帮助浏览者缩小查询范围，而无需手动输入搜索。通常显示在分类或产品列表页面的左侧，此功能对于浏览具有大量库存的网站的用户特别有用。 _电子商务网站上的搜索筛选器示例_ ### 语义搜索 语义搜索使用地理位置、用户（和全球）搜索历史以及拼写变体来改进搜索查询。这包括在用户将项目输入搜索菜单时编程智能自动完成选项。通过在个体和受众层面理解区域和行为趋势，品牌可以优先显示用户开始输入搜索查询时出现的建议查询。 _在隐身模式下输入时的搜索结果_ _登录时输入的搜索结果_ 此外，品牌可能希望围绕搜索功能进行额外实验。假设您注意到用户在浏览几个类别或 PDP 后放弃您的网站。在这种情况下，您可能希望鼓励他们进行站内搜索，作为额外努力来展示他们感兴趣的产品。对于拥有大量产品目录的公司尤其有用，请考虑测试搜索菜单设计的不同变体，使其在页面上更突出并吸引用户注意力。 _鼓励目标导向型购物者找到所需内容的搜索框的两种变体_ ## 在分类页面之间导航 设计[产品列表页面 (PLP)](https://www.dynamicyield.com/glossary/product-listing-pages-plps/)和[产品详情页面 (PDP)](https://www.dynamicyield.com/glossary/product-detail-page/)的最佳实践是优化电子商务页面之间的导航。一旦用户到达 PDP，他们可能希望在他们未找到所需内容时轻松返回初始搜索结果页面。通过在页面顶部集成面包屑导航，确保用户在页面来回导航时不会失去在网站上的位置，帮助简化网站导航。 面包屑是线性导航显示，通常出现在网页顶部，显示用户到达当前页面的路径（即，女性 > 鞋子 > 靴子 > 踝靴 > 粗跟鞋）。面包屑路径中的每个项目都应该是可点击的，并将用户带回到该特定页面。 _网站导航示例：Target 网站上看到的面包屑_ ## 针对移动导航设计的额外技巧 您的移动网站和应用体验必须与桌面体验一样无缝至关重要。随着越来越多购物者在移动设备上购物，请确保所有导航优化在您的移动库存中正确呈现，并融入移动优先优化。 一些需要考虑简单的事情是菜单设计、菜单应该是固定的还是隐藏的、垂直的还是水平的、菜单应该在右侧还是左侧渲染等。另一个考虑是评估您的品牌是否应该使用汉堡菜单来快速展示和隐藏菜单，最大化移动网站或应用的空间。 _Nike 应用上的垂直菜单（左）和亚马逊的左侧汉堡菜单（中：点击前；右：点击后)_ 当您尝试最大化网站空间时，团队可以依赖一些专门针对移动设计的额外策略。如果面包屑不适合移动屏幕，请考虑使用分类横幅，在浏览 PDP 时将用户驱动回主分类页面。这将鼓励他们继续发现产品，而不是在查看的产品不符合其兴趣时放弃移动网站或应用。 _移动 PDP 页面上的分类横幅示例，用于将用户导航回主分类_ 在设计如何正确利用移动网站上的少量空间时，请考虑最佳实践。始终确保用户可以轻松访问他们的购物车，并避免在他们翻页时出现会分散注意力的侵入式弹出窗口。利用更视觉化的方式在不同产品分类页面之间导航（即，使用主页卡片将用户引导至热门产品分类）。 一些小调整，例如合并图标而非文本、测试不同的 CTA 按钮消息和颜色、鼓励应用下载以获得更丰富的购物体验，以及支持移动支付选项（即 Apple Pay），只是确保您的电子商务导航体验与网站体验一样出色的额外方式的其中几个。 ## 我们客户群中品牌的真实电子商务导航实验 一个领先的体育和户外品牌希望个性化其电子商务导航体验，特别关注突出相关菜单项。寻求最大化回报时，他们在推广全价产品和促销商品之间面临权衡。他们知道使用网站菜单导航到新品的用户更有可能购买全价商品，但与导航到促销页面的用户相比，整体转化率也较低。为了找到一个能够解释这两种行为的解决方案，他们使用基于偏好的定位，在对全价商品有偏好的客户的菜单中突出显示"新品"，并为注重预算的购物者突出显示"促销"菜单项。 我们客户群中另一个依赖导航优化最佳实践的客户是领先的美容品牌。不确定如何有效组织其主要导航体验，他们特别纠结于应该展示品牌名称还是产品类别。为了做出自信的决策，该品牌开始测试两个选项，并发现了一些重要的经验教训。首先是新用户更喜欢使用熟悉的类别进行导航：嘴唇、眼睛、粉底等。其次是回访用户更喜欢通过导航到熟悉的品牌名称产品列表页面来探索网站。因此，该美容零售商根据到达网站的每种用户类型定制了导航体验。 ## 开始测试您的网站导航成功之路 构建网站导航体验没有通用蓝图。特别是在电子商务行业，品牌面对来自不同受众、品味和偏好的用户，测试不同的导航设计元素至关重要。始终进行实验，不要对测试哪些元素有所保留。尝试不同的菜单布局和设计、测试在分级或固定菜单中展示哪些产品类别、根据用户的浏览历史个性化筛选菜单中项目的顺序、尝试不同的消息变体，当然，始终 QA 您的网站体验，确保它们按您预期的方式工作。 --- # CRO 专家的 A/B 测试指南及示例 **总结本文** **您需要了解的内容：** - A/B 测试是一种科学方法，用于比较网页或应用的两个版本，以查看哪个在特定目标（如提高转化率或用户参与度）方面表现更好。 - 它是优化网站、移动应用、电子邮件等的强大工具，可以帮助解决 UX 问题、提高性能和提升参与度。 - 要运行 A/B 测试，您首先需要定义想要解决的问题或用户行为。然后，创建原始元素的变体并将网站流量分配给它们。最后，收集和分析数据以查看哪个变体表现最佳。 - 常见的 A/B 测试包括测试不同的导航菜单、优化着陆页和试验促销消息。 A/B 测试是将网页或应用的两个版本相互比较，以确定哪个在特定目标方面表现更好的方法。它是最广泛使用的技术之一，用于最大化网站、移动应用、SaaS 产品、电子邮件等数字资产的性能。 受控实验为营销人员、产品经理和工程师提供了快速且大规模迭代的敏捷性，从而对他们的创意想法做出数据驱动、充分知情的决策。通过 A/B 测试，您可以不再疑惑为什么有些事情不起作用，因为证据就在结果中。这是提高转化率、增加收入、扩大订阅用户群以及改善[客户获取](https://www.dynamicyield.com/glossary/customer-acquisition/)和潜在客户开发结果的完美方法。 一些最具创新性的公司，如 Google、Amazon、Netflix 和 Facebook，开发了精益业务方法，使他们每年能够运行数千个实验。 正如 Jeff Bezos 曾经说过：_"我们在 Amazon 的成功取决于我们每年、每月、每周、每天进行多少实验。"_ [Netflix](https://netflixtechblog.com/its-all-a-bout-testing-the-netflix-experimentation-platform-4e1ca458c15)在 2016 年 4 月的技术博客中写道：_"通过采用实证方法，我们确保产品更改不是由最有主见和最直言不讳的 Netflix 员工推动的，而是由实际数据推动的，让我们的会员自己引导我们走向他们喜爱的体验。"_ Mark Zuckerberg [曾解释](https://www.youtube.com/watch?v=Lb4IcGF5iTQ&feature=youtu.be&t=10m9s)说，他最自豪的对其成功真正关键的事情之一是他们的测试框架：_"在任何给定时间点，运行的不只是一个版本的 Facebook。可能有 10,000 个。"_ ## 什么是 A/B 测试？ 在经典的 A/B 测试程序中，我们决定要测试什么以及我们的目标是什么。然后，我们创建原始网页元素的一个或多个变体（也称为[对照组](https://www.dynamicyield.com/glossary/control-group/)或基线）。接下来，我们将网站流量随机分配给两个变体（即，我们根据某种概率随机分配访问者），最后，我们收集有关网页表现的数据（指标）。一段时间后，我们查看数据，选择表现最佳的变体，并取消表现不佳的变体。 如果操作不当，测试可能无法产生有意义、有价值的结果，甚至会产生误导。一般而言，运行受控实验可以帮助组织： 1. 解决 UX 问题和常见的访客痛点 2. 从现有流量中提升表现（更高的转化率和收入，改善客户获取成本） 3. 提高整体参与度（降低[跳出率](https://www.dynamicyield.com/glossary/bounce-rate/)，提高[点击率](https://www.dynamicyield.com/glossary/ctr/)等。) 我们必须记住，当我们选择一个变体时，我们将到那时为止收集到的测量结果推广到整个潜在访问者群体。这是一个重大的跨越，必须以有效的方式进行。否则，我们最终必然会做出损害网页的长期决策。获得有效性的过程称为_[假设检验](https://www.dynamicyield.com/glossary/hypothesis-testing/)_，我们寻求的有效性称为_[统计显著性](https://www.dynamicyield.com/blog/statistical-significance/)_。 **一些 A/B 测试示例：** - 测试网站导航菜单的不同排序顺序（[就像这个德国大型电子产品零售商的示例](https://www.dynamicyield.com/use-case/personalized-navigation-menu/)） - 测试和优化着陆页（[就像这家欧洲领先的航空旅客保护公司的示例](https://www.dynamicyield.com/use-case/data-driven-landing-page-optimization/)） - 测试促销消息，如新闻通讯订阅弹出窗口和横幅（[就像这家国际天然沐浴产品精品零售商的示例](https://www.dynamicyield.com/use-case/tailored-newsletter-signup-offer/)） ## A/B 测试的诞生：构建假设 A/B 测试始于识别您希望解决的问题或您想鼓励或影响的用户行为。一旦确定，营销人员通常会得出结论——一个有根据的猜测，将验证或使实验结果无效。 **示例假设**：在[产品详情页面 (PDP)](https://www.dynamicyield.com/glossary/product-detail-page/)上添加[社会认同](https://www.dynamicyield.com/glossary/social-proof/)徽章，将告知访客产品的受欢迎程度，并将加入购物车事件提高 10%。 在这种情况下，一旦确定问题（例如，加入购物车率低）并制定出假设（添加社会认同徽章以鼓励更多网站访问者将商品加入购物车），您就可以在网站上进行测试了。 ## A/B 测试的经典方法 在简单的 A/B 测试中，流量在内容的两个变体之间分配。一个被视为对照组，包含原始内容和设计。另一个作为对照变体的新版本。变体可能在许多方面不同。例如，我们可以测试具有不同标题文本、行动召唤按钮、新布局或设计等的变体。 在经典的页面级实验中，您不一定需要两个不同的 URL 来运行适当的测试。大多数 A/B 测试解决方案会让您通过动态修改页面的内容、布局或设计来创建变体。 但是，如果您有两组（或更多组）页面想要包含在受控测试中，您可能需要考虑使用拆分 URL 测试。 ## 何时使用拆分 URL 测试 拆分 URL 测试有时被称为"多页面"或"多 URL"测试，是与标准 A/B 测试类似的方法，允许您基于每个变体的独立 URL 进行实验。 使用此方法，您可以在两个现有 URL 之间进行测试，这在提供动态内容时特别有用。当您已有两个现有页面并想测试哪个表现更好时，运行拆分 URL 测试。 例如，如果您正在运行一个活动，并且有两个不同版本的潜在着陆页，您可以运行拆分 URL 测试来检查哪个在该特定活动中表现更好。 ## A/B 测试不仅限于两个变体 如果您想测试不止两个变体，您可以运行[A/B/n 测试](https://www.dynamicyield.com/glossary/abn-testing/)。A/B/n 测试允许您衡量三个或更多变体的表现，而不是仅测试一个变体与对照页面。高流量网站可以使用这种测试方法来评估更广泛更改集的表现，并通过更快的结果最大化测试时间。 但是，尽管它对任何测试都有用，从小幅到大幅更改，我建议在对照和变体之间不要进行太多更改。尝试仅进行少数关键且突出的更改，以理解实验结果的可能原因。如果您想测试网页上多个元素的更改，请考虑运行[多变量测试](https://www.dynamicyield.com/glossary/multivariate-testing/)。 ## 什么是多变量测试？ 多变量测试有时被称为"多变量"测试，允许您测试单个页面上多个部分的更改。例如，在其中一个着陆页上运行多变量测试，并用两个新元素更改它。在第一个版本中，添加联系表单代替主图像。在第二个版本中，添加视频项目。系统现在将基于您的更改生成另一种可能的组合，其中同时包含视频和联系表单： 测试版本总数：2 x 2 = 4 **V1** – 对照变体（无联系表单和无视频项目） **V2** – 联系表单版本 **V3** – 视频项目版本 **V4** – 联系表单 + 视频项目版本 由于多变量测试会生成您更改的所有可能组合，因此不建议创建大量变体，除非您在流量高的网站上运行测试。另一方面，在低流量网站上运行多变量测试将提供较差的结果和不足以得出任何显著结论的数据。在选择运行多变量测试之前，请确保您的网站每月至少有数千名访问者。 电子商务产品列表页面上多变量测试的示例 ## 何时使用每种测试类型 A/B 测试将帮助您回答诸如：我的页面的两个版本中哪个在访客响应方面表现更好？ 多变量测试将回答诸如以下问题： - 访客是否对联系表单旁边的视频项目反应更好？ - 还是仅对带有联系表单但无视频项目的网页反应更好？ - 还是对带有视频项目但无联系表单的网页反应更好？ ## 如何衡量 A/B 测试平台的有效性 确定[A/B 测试平台](https://www.dynamicyield.com/ab-testing/)有效性的一种方法是执行 A/A 测试。这意味着您创建两个或更多相同的变体并运行 A/B 测试，以查看平台如何处理变体。成功的结果应显示两个变体产生非常相似的结果。您可以[在此](https://www.dynamicyield.com/glossary/aa-testing/)进一步了解 A/A 测试。 ## 通往 A/B 测试成功的道路 _"我没有失败测试，我只是找到了 100 种错误的方法。"_ / Benjamin Franklin 运行 A/B 测试时，使用有效的方法对于我们能够在测试结束后长期依赖测试结果以产生更好表现至关重要。换句话说，我们试图理解被测试的更改是否直接影响访客行为，还是由于随机机会而发生。A/B 测试提供了一个框架，使我们能够衡量变体之间访客响应的差异，如果检测到差异，则建立统计显著性，并在一定程度上建立因果关系。 ## 问题与回答 设计 A/B 测试以确保可靠结果时的关键考虑因素是什么？ 设计 A/B 测试时，定义清晰的目标并选择与这些目标一致的合适指标至关重要。随机化对于避免偏见至关重要，计算适当的样本量确保统计显著性。测试应运行足够长的时间以捕捉用户行为随时间的变化。此外，控制外部因素（如营销活动或季节性趋势）有助于获得可靠结果。通过解决这些考虑因素，企业可以确保他们的 A/B 测试提供有意义且可操作的见解。 企业如何有效解读 A/B 测试结果以做出数据驱动的决策？ 解读 A/B 测试结果涉及统计分析以确定显著性，并计算置信区间以了解真实效应大小的范围。考虑更广泛的上下文（包括用户行为模式和外部影响）很重要。细分分析可以揭示不同用户群体中的表现差异。获得的见解应转化为可操作的策略，并应使用迭代测试持续完善假设并优化结果。这种方法确保企业做出明智的、数据驱动的决策。 有哪些 A/B 测试的高级技术可以提高准确性和洞察深度？ A/B 测试的高级技术包括多臂老虎机测试，它动态地将流量分配给表现更好的变体；以及序贯测试，它允许持续监控和提前停止测试。贝叶斯方法通过随着数据收集更新结果概率，为决策提供灵活的方法。个性化为不同用户细分定制变体，集成机器学习算法可以预测结果并优化测试设计。这些技术提高了准确性和洞察深度，带来更有效的优化策略。 如何将 A/B 测试整合到更广泛的数字营销策略中？ 将 A/B 测试整合到数字营销策略中涉及将测试计划与业务目标对齐，并促进营销、产品和分析团队之间的跨职能协作。A/B 测试的数据应与其他营销分析整合，以提供全面的表现视图。A/B 测试应被用作持续改进的工具，定期测试和优化数字体验的各个方面。开发可扩展的测试框架可以高效执行和分析多个测试，确保见解可操作且有影响力。 进行 A/B 测试时应考虑哪些道德问题？ A/B 测试中的道德考虑包括确保用户同意（尤其涉及个人数据时），并遵守 GDPR 或 CCPA 等法规保护用户数据。关于测试目的以及如何使用数据的透明度至关重要。测试设计应避免对用户造成伤害或负面体验，并应维护公平性，确保没有特定用户群体处于不利地位。通过解决这些道德考虑，企业可以负责任地进行 A/B 测试并维护用户信任。 假设制定在 A/B 测试的成功中扮演什么角色？ 假设制定是 A/B 测试过程中的关键步骤，因为它为测试提供了清晰的方向和目的。一个定义良好的假设概述了预期结果以及被测试更改背后的理由。这有助于设定可衡量的目标，并确保测试专注于解决特定问题或机会。强有力的假设还有助于解读结果并根据发现做出明智决策。 A/B 测试有哪些局限性，如何克服？ 虽然 A/B 测试是一个强大的工具，但它有局限性，例如如果样本量太小或测试持续时间太短，可能导致不确定的结果。此外，A/B 测试可能无法考虑长期用户行为变化或影响结果的外部因素。为了克服这些局限性，确保足够的样本量和测试持续时间、用其他研究方法补充 A/B 测试，并持续监控和迭代发现以适应不断变化的条件非常重要。 企业如何确保其 A/B 测试实践可扩展且可持续？ 为了确保 A/B 测试实践的可扩展性和可持续性，企业应投资能够自动化流程并提供全面分析的稳健测试平台。开发具有明确指南和最佳实践的结构化测试框架有助于保持一致性和效率。培训团队了解 A/B 测试的重要性并培养实验文化鼓励持续改进。根据学习成果和技术进步定期审查和更新测试策略，确保实践保持相关性和有效性。 ##### 继续阅读 --- # 免费贝叶斯 A/B 测试计算器 — Dynamic Yield 不久前，[我们探索了](https://www.dynamicyield.com/blog/bayesian-testing/)一种限制性更小、更可靠的[A/B 测试](https://www.dynamicyield.com/lesson/introduction-to-ab-testing/)方法，采用了一种较新的贝叶斯测试方法。 凭借其简单性、可靠性和直观性，贝叶斯框架是一种更优越的 A/B 测试方法，将为营销人员提供更快、更稳健的统计引擎。 因此，我们一直不懈努力，使营销人员和[转化率](https://marketing.dynamicyield.com/benchmarks/conversion-rate/)优化者能够更轻松地使用这种新方法。对我们而言，这意味着将复杂的数学从等式中剔除。 因此，今天，我们很高兴地宣布正式发布两个免费且实用的工具… ## 贝叶斯 A/B 测试计算器 **我们的[贝叶斯驱动的 A/B 测试计算器](https://marketing.dynamicyield.com/bayesian-calculator/)**将帮助您确定您的测试结果是否具有统计显著性。 对于您测试的每个变体，您只需输入总样本量和转化次数。然后，基于统计显著性，统计引擎将宣布获胜变体。 以下是我们运行的术语和指标的快速分解： - **样本量** – 取决于您的 KPI 的用户数、会话数或展示次数。 - **转化** – 点击次数、甚至购买次数或目标完成次数（例如购买或视频观看）。 - **转化率** – 完成的操作数（即转化）除以样本量。 - **成为最佳的概率** – 每个变体长期超越所有其他在线变体的概率（基于自测试中包含的任何变体创建或更改以来收集的数据）。 - **预期损失** – 如果您将错误的变体宣布为获胜者，而不是实际最佳的变体，您预期在长期内损失的百分比。 - **差异的后验模拟** – 根据迄今为止收集的样本量的转化率分布。 为了更好地理解您的结果，请考虑上面的获胜变体。总体而言，变体 A 在转化、转化率、成为最佳的概率以及预期损失方面占据主导地位。请记住，PTBB 越高，EL 越低越好。这表明对长期表现的信心，以及如果宣布为获胜者的变体最终被证明是错误的（看起来不会如此），预期损失更低。 了解[A/B 测试中统计显著性的重要性](https://www.dynamicyield.com/blog/statistical-significance/)。 ## 贝叶斯 A/B 测试持续时间和样本量计算器 不确定需要运行实验多长时间才能获得统计显著性结果？ 别担心。作为首创，我们的免费在线**[贝叶斯驱动的 A/B 测试持续时间](https://marketing.dynamicyield.com/ab-test-duration-calculator/)和样本量计算器**将帮助您避免误报并提高 A/B 测试的有效性。对您可以针对对照测试的变体数量没有硬性限制，我们提供了一些关于如何开展测试的建议。 计算输出提供了运行测试以获得统计显著性结果所需的时间范围估计，以及支持该结果所需的最小样本量。虽然我们知道还涉及许多其他变量，但这些计算估计可用于提前规划实验，也可用于分析正在进行的测试。 以下是我们运行的术语和指标的快速分解： - **基线转化率** – 您正在测试的体验的当前转化率（成功操作数除以访问者、会话或展示次数）。 - **转化率的预期提升** – 您期望从基线率获得的 X% 转化率变化。在下面的示例中，如果基线转化率为 2.5%，5% 的预期提升将导致新的转化率为 2.625%。 - **变体数量** – 单个测试中比较的变体数量。 - **每日平均样本量** – 在一天内参与实验的访问者数量。 现在您已拥有开始所需的一切，我们知道您将以更高的置信区间部署贝叶斯 A/B 测试。并且具有更高程度的自信。 需要注意的是，虽然这些工具在衡量转化时支持二元目标（用户是否转化），但 Dynamic Yield 平台背后的真实统计引擎行为不同，并支持更高级的非二元计算，例如最大化完成次数或收入。要了解有关我们的统计引擎和自动优化方法的更多信息，[请请求产品演示](https://www.dynamicyield.com/request-demo/)。 --- # 如何提供更少的挫败感的在线购物体验 _此内容最初出现在我们的 XP² 通讯中。[_点击此处订阅_](https://www.dynamicyield.com/newsletter/)_，直接将此类体验优化见解发送到您的收件箱。_ 假设您与朋友外出时，出现了去哪里吃饭的问题。在手机上搜索"附近"会为您呈现大量选择，您花费看似 forever 的时间来决定正确的一个，最终放弃并选择您去过无数次的地方。这就是选择的悖论：选择越多，我们感到越 overwhelmed。最终，这种 overwhelmed 导致"决策疲劳"，或选择更容易的次优选项。 但这个问题不仅限于餐厅选择。随着电子商务平台迅速扩张，小型品牌与已建立的全球零售商一起进入市场。现在消费者的选择比以往任何时候都多——而且这些品牌的在线网页体验基本相同——购物者正在努力准确找到他们想要的东西。这可能会对他们的业务 KPI 产生负面影响，尤其是当购物者跳转到竞争对手网站或[放弃购物车](https://www.dynamicyield.com/lesson/shopping-cart-abandonment-strategy/)时。 被放弃的购物车就是被放弃的收入，那么零售商可以做些什么来对抗决策疲劳？我与 Dynamic Yield by Mastercard 的产品经理 Lior Delouya 聊了聊如何通过[个性化](https://www.dynamicyield.com/article/personalization-guide/)简化决策过程。凭借他在领导客户成功团队方面 8 年多的经验，他对缓解选择 overload 有独特的见解。 **JR：有哪些因素会累积并导致决策疲劳？** Lior：即使是看似微小的任务也会对购物体验产生重大影响。您可能不认为以下是决策，但它们是： - 选择筛选选项以缩小产品搜索范围 - 确定产品评论的价值 - 评估促销优惠 - 考虑是否等待商品打折 - 考虑订购多个商品以降低运费 - 在价格与质量之间找到平衡 - 在结账时选择不同的支付方式 - 选择合适的运输方式 - 通过尺寸指南确保您的商品具有合适的尺寸 每个决策，无论多小，都可能共同消耗消费者的精力，导致心理疲劳和对购物过程的不满。这种疲劳可能促使客户在长时间休息（平均约一周）后再进行产品搜索，根据[纽约大学和加州大学洛杉矶分校安德森管理学院的联合论文](https://anderson-review.ucla.edu/search-fatigue-online-shoppers-grow-weary-take-a-break/)。这段休息时间不一定导致销售——76% 的购物者在时尚网站上首次点击后没有进行购买。 **为什么人们会在从一个网站搜索到另一个网站时放弃购买？** 在多个网站上导航并比较价格、功能和评论所需的努力和时间可能会让购物者感到沮丧，尤其是如果该过程不能迅速带来令人满意的决策。一些人有一种挥之不去的感觉，觉得他们付得太多，这可能会造成他们 obsessive 地寻找更好交易的情况。问题在于，考虑到我们指尖上的丰富选择，这种比较过程可能会无休止地进行下去。 最终，这些购物者变得 overwhelmed 和瘫痪，放弃购物车，空手离开网站。 **通常，扩大品牌的产品目录符合其最佳利益。但品牌如何在不给客户带来压力的情况下实现这一目标？** 品牌应在提供广泛选择和有效组织产品之间取得平衡。当然，最好的方法之一是通过个性化，它使零售商能够提供定制的[产品推荐](https://www.dynamicyield.com/lesson/product-recommendations-guide/)，从而简化购物体验。 个性化对话体验可以在这里发挥关键作用。它们在提供灵感和推荐方面表现出色，这对于没有特定产品想法的客户特别有用。它们还可以通过确保客户无需筛选不相关选项来找到所需内容，从而减轻庞大产品目录的负面影响。 通过这样做，对话式 AI 还减少了选择悖论的影响：购物者有有限数量的选项可供选择，这些选项基于先前的互动和他们自己的偏好进行策划。 **AI 如何帮助缩小没有先前数据的用户的决策范围？** AI 可以首先基于上下文数据（例如地理位置或[当地天气状况](https://www.dynamicyield.com/lesson/weather-based-targeting/)）、基本人口统计信息，甚至与类似用户档案的比较来提供初步推荐。然后，它可以在与用户互动时进行调整。 **一些人认为 AI 正在让我们进一步远离人类体验——但情况可能恰恰相反。人类与 AI 之间的互动在未来将如何演变？** 随着[深度学习](https://www.dynamicyield.com/lesson/deep-learning-recommendations/)的进步——特别是[大型语言模型 (LLM)](https://www.dynamicyield.com/article/generative-ai-personalization-marketing-transformation/)获得动力，在线购物体验将开始类似于实体店。想象一下，一位个人造型师不仅精通最新趋势和款式，而且深刻理解您独特的风格偏好和需求，为您精心挑选商品。在 AI 的力量下，每位客户都将获得一位专家指导，引领他们完成购买旅程。它可能意味着我们决策繁重的购物烦恼的终结——以及在线购物的 impersonal、交易性质。在许多方面，[AI 购物助手](https://www.dynamicyield.com/shopping-muse/)一旦消费者尝试，将比无休止地浏览[产品列表页面 (PLP)](https://www.dynamicyield.com/glossary/product-listing-pages-plps/)的旧模式更直观。我们都习惯了用"Google 语言"搜索物品——简短的两个字搜索查询——因为旧的技术限制。我们是在这种环境中长大的。现在一切都颠倒了。我们将不得不重新学习如何以更人性化的方式与技术交流。 但[AI 也由人类驱动](https://www.dynamicyield.com/article/ai-personalization-human-advantage/)。品牌培养内部人才以有效运营和完善这些技术至关重要。投资于能够管理、分析并推动这些系统创新的熟练专业人员，将让品牌在未来几年保持领先于竞争一步。 **对于有兴趣使用 AI 驱动购物助手但对购物者是否会接受它们犹豫不决的公司，您有什么建议？** 与任何新技术一样，都存在采用曲线。聊天体验的明确入口点、强调其用途的定向营销活动以及清晰直接的教程可以帮助教育购物者。无缝集成到在线购物环境中对于确保流畅的用户体验至关重要。通过展示 AI 助手如何超越传统搜索工具的限制，并提供折扣或个性化交易等激励措施，公司可以激励用户采用这些创新的搜索方法，从而带来更高效和令人满意的购物体验。 ## 通过以人为本的购物体验克服选择 overload 决策疲劳现在是现代生活的事实——它在电子商务行业尤其普遍。随着客户遇到越来越多的无穷小的购物困境，他们更容易放弃购物车并将业务带到别处。但采用高度 capable、有同理心的 AI 购物助手可能意味着消费者购物烦恼的终结——如果零售商愿意冒险尝试。 --- # Gartner 个性化魔力象限 —— Dynamic Yield 的定义 Gartner 个性化引擎魔力象限指的是 Gartner 的一份特定报告，该报告评估个性化引擎主要技术市场中的竞争参与者。 Gartner 是世界领先的研究和咨询公司之一，其严格的研究流程和经过验证的方法为企业提供了做出正确决策所需的客观见解。每年，Gartner 都会发布其魔力象限，将技术参与者定位在特定市场内。迄今为止，我们已经看到来自 Web 内容管理、内容协作平台、CRM 客户参与中心、数据集成工具等的解决方案提供商经历了评估过程。 在其关于个性化引擎的第四份连续市场研究报告中，2021 年 Gartner 魔力象限根据执行能力和愿景完整性评估了 12 家解决方案提供商。 ### 为什么是个性化？ 根据 Gartner 的说法： " _个性化仍然是数字营销领导者的优先事项。相关且及时的消息对于教育客户、最小化摩擦和建立购买考虑至关重要。使用此研究来评估个性化引擎，使您能够交付可衡量的结果。"_ — Gartner ### Gartner 如何定义个性化引擎？ _个性化引擎是使营销人员能够基于个人的过去互动、当前上下文和预测意图，识别、交付和衡量每位客户或潜在客户最佳体验的软件。个性化引擎帮助营销人员识别、选择、定制和交付消息，如内容、优惠和其他跨客户触点的互动，以支持三个主要用例：营销、数字商务以及服务和支持。"_ — Gartner ### Gartner 使用哪些评估标准？ 通过应用其标准的魔力象限图形处理和统一的评估标准集，Gartner 根据以下标准区分每个个性化引擎： **领导者** 很好地执行了他们当前的愿景，并为明天做好了充分定位。 **远见者** 了解市场的发展方向或对改变市场规则有愿景，但尚未很好地执行。 **利基玩家** 成功地专注于一个小细分市场，或者不够专注，无法超越他人或表现优于他人。 **挑战者** 今天表现良好或可能主导一个大型细分市场，但未表现出对市场方向的理解。 _"供应商根据 Gartner 对其使愿景成为市场现实的能力和成功进行评判，客户认为这种愿景是差异化的，并准备购买。提供积极的客户体验——包括销售体验、支持、产品质量、用户赋能、技能可用性和升级/迁移的便利性——也决定了供应商的执行能力。"_ — Gartner Gartner 连续第四年基于我们在年度[个性化引擎魔力象限](https://www.dynamicyield.com/guides/gartner/)中的执行能力和愿景完整性，将 Dynamic Yield 定位在领导者象限中，因此以下是我们最擅长的方面以及我们相信被评为领导者的原因： 1. **开放架构** – 优先考虑灵活性、[安全性](https://dynamicyield.com/security)、连接性和[治理](https://www.dynamicyield.com/enterprise-grade-personalization/) 2. **一流算法** – 通过自训练[深度学习推荐](https://www.dynamicyield.com/adaptml/)模型实时预测客户意图和偏好。 3. **易用性和敏捷性** – 使团队能够从小开始，然后按照自己的节奏扩展跨品牌渠道，并在将产生影响的任何地方部署个性化和[A/B 测试](https://www.dynamicyield.com/ab-testing/)。 4. **卓越的 UI 和简化的工作流** – 允许营销人员通过简单的 UI 和简化的工作流在 Web、移动、电子邮件和广告上运行[全渠道个性化](https://www.dynamicyield.com/personalization/)计划——无需依赖开发人员。 对许多人来说，这份报告证实了营销领导者对个性化技术的日益依赖以获得业务优势，巩固了其在营销领域中的地位。 _Gartner，个性化引擎魔力象限，2021 年 7 月 19 日，Jason McNellis、Claire Tassin、Jennifer Polk。_ _Gartner 和魔力象限是 Gartner, Inc. 和/或其关联公司在美国和国际上的注册商标，经许可在此使用。保留所有权利。Gartner 不认可其研究出版物中描述的任何供应商、产品或服务，也不建议技术用户仅选择评级最高或其他称号的供应商。Gartner 研究出版物包含 Gartner 研究组织的意见，不应被视为事实陈述。Gartner 对本研究不承担所有明示或暗示的保证，包括对适销性或特定用途适用性的任何保证。_ _GARTNER 是 Gartner, Inc. 和/或其关联公司在美国和国际上的注册商标和服务标记，经许可在此使用。保留所有权利。_