11 个简单的登陆页面拆分测试想法，以找到获胜者 [已验证]

产品团队想要更多的产品照片。

销售团队需要电话号码、表格和电子邮件。

法律团队需要表格中的条款。

创意团队希望他们的视频全屏显示。

营销团队只想要转化。

我们都去过那里。

每个人都知道着陆页上应该包含什么。 他们认为他们知道什么会起作用。

错误的。

我们谁也不知道什么是最有效的。 至少一开始不会。 承认有时很令人沮丧，但这是事实。

那么你是怎么想出来的呢？

登陆页面拆分测试。

毫无疑问，将登录页面纳入您的数字营销策略的最大好处。 您可以轻松地测试所有内容，这改变了游戏规则。

复制、消息传递、布局、设计、报价、CTA、表格……

没有什么是禁区。

哎呀，登陆页面就像您营销的科学实验室。 轻松收集用户行为数据，对如何改进营销做出有根据的猜测，并测试这些假设以查看您（或产品、销售或创意）是否正确。

结果？

逐步提高您的营销活动转化率。 AKA 更多的钱在你的口袋里。

将着陆页拆分测试想象成将科学方法应用于您的营销。 拆分测试不是依靠直觉或直觉做出决定，而是为您提供经验数据。

拆分测试消除了转换优化中的猜测。

我们将探索您需要了解的有关着陆页拆分测试的所有信息，以及 11 种高影响力、低工作量的拆分测试，这些测试可以保证提高您的转化率。

着陆页拆分测试（也称为 A/B 测试）是一项对照实验，它在着陆页的两个不同版本之间平均分配一组随机流量 (50/50)，以发现哪个版本的转化效果最好。

这是转化率优化的基本原则之一。

术语“A/B”是指着陆页的两种不同变体。 术语“拆分”是指在两个变体之间平均分配流量。

拆分测试一次只测试一个着陆页变量。 多变量实验同时测试变量的组合。

例如，A/B 拆分测试可能会进行受控实验，以查看新的报价、标题、CTA 或表单是否比原来的表现更好。 但不是一下子。 它会首先测试标题，然后运行不同的实验来测试 CTA，依此类推。

另一方面，多变量测试将衡量标题#1 + CTA #1 + Form #1 是否同时转换好于 Headline #2 + CTA #2 + Form #2。

A/B 测试登陆页面是评估可能导致大结果的小更改的好方法。

• 数据：通过 A/B 测试，科学统治世界。 您可以根据数据和真实的用户行为做出决策，而不是根据直觉、本能或资历（通常是错误的）做出决策。
• 转换： A/B 测试的全部意义在于测试您的用户体验假设。 因此，找到能够带来更多转化的成功变体只是时间问题。 然后另一个。 还有一个。
• 用户研究：拆分测试登陆页面允许您在将它们推送到您的网站或您的活动中之前进行烟雾测试和验证消息传递、定位和优惠 - 非常宝贵的用户数据。
• 全局提升：一个好的 A/B 测试将测试您可以在整个站点（例如主页或产品页面）推出的元素，而不仅仅是在登录页面上。 登陆页面上的胜利成为整个网站的胜利，随着时间的推移呈指数增长。
• 金钱 (ROI)：最后，更好地了解您的客户加上更多的转化率等于以更低的成本获得更多的收入。 简单的。

着陆页拆分测试需要四个关键组件才能正常工作：

1. 假设：每个成功的拆分测试都始于一个基于证据的假设，即为什么您认为您的目标客户或用户以某种方式执行。 您的拆分测试将验证或使您的假设无效。
2. 控制变体 (A) ：您的控制变体是保持不变的着陆页； 这是 A/B 测试中的 A。 首先，您的控件变体是您的原始着陆页设计。 但是经过几次 A/B 测试后，您的原始设计很可能会输给挑战者，在这种情况下，挑战者将成为未来 A/B 测试的控制变体。
3. 挑战者变体 (B)：挑战者变体是您将用于测试假设的新版登录页面； 这是 A/B 测试中的 B。 如果它的转化率高于变体 A，则可以将其称为冠军变体。
4. 统计显着性（置信水平）：最重要的是，要让 A/B 测试自信地预测一个版本的转化率永远高于另一个版本，它需要具有统计显着性的样本量。 如果没有足够的流量，您的数据可能会撒谎。 每个变体需要多少人看？ 通常以数千计。 你怎么知道你是否有统计意义？ 我们使用 CXL 的 A/B 测试计算器（它会为您完成所有计算）。 所有的 A/B 测试都应该达到 90-95% 的置信水平。

拆分测试什么时候结束？ 它没有——至少，它不应该。

每个优秀的拆分测试程序都会穿上新的冠军变体，然后将其与新的挑战者对抗。 冲洗并重复您的方式以获得更高的转化率。

例如：

实验 1：控制页面与变体 A

→ 结果表明，变体 A（新 CTA）优于对照版本。

实验 2：变体 A 与变体 B

→ 结果显示变体 A 优于变体 B。仍然是赢家。

实验 3：变体 A 与页面 C

→ 结果显示变体 C 优于变体 A（新赢家）

等等…

您可以在着陆页上进行哪些拆分测试？

从字面上看任何东西。

当涉及到 A/B 测试策略时，从能够产生最大影响但需要最少努力的变量开始。

例如，在首先测试更好的报价之前对 ROI 计算器进行 A/B 测试是没有意义的。

更好的报价将需要几分钟的时间来改变，但可能会导致大量的转换增加，而 ROI 计算器可能需要数周的时间来设计（以及大量的金钱和资源）并导致未知的转换提升，无论好坏。

那么高影响/低努力变量是什么样的？ 我们有 11 个登陆页面拆分测试的想法：

1. 转化目标
2. 关注率
3. 消息匹配
4. 提供
5. 形式
6. 号召性用语 (CTA)
7. 社会证明
8. 布局
9. 标题
10. 设计
11. 复制

当谈到着陆页目标时，试着只为一个目标而努力。

例如，如果您的主要转化目标是增加免费试用，那么您不应向访问者提供任何其他选项，例如安排演示、下载白皮书、订阅时事通讯或联系销售人员。

我明白这并不总是那么非黑即白。 有时，提供次要转换目标非常有意义。

但总的来说，您包含的转化目标越多，您获得的转化次数就越少。

事实上，添加多个转化目标可以将着陆页转化率降低 266%。

如果您的目标网页包含多个目标或优惠，您可以做的第一件事是 A/B 测试只有一个优惠的目标网页版本。

以 GatherContent 为例，他们可以运行一个实验来测试删除他们的第二个 CTA（预订演示）是否会增加免费试用：

关注率是指页面上的链接数量与转化目标数量的比较。

对于目标网页，您的注意力比例应为 1:1。

换句话说，如果您只有一个转化目标，那么着陆页上应该只有一个链接。

这意味着删除导航菜单、社交媒体图标、内部链接和页脚链接（当然，法律术语和服务链接除外）。

例如，当 YuppieCheck 运行 A/B 测试以查看删除导航是否会推动更多销售时，他们发现它实际上将转化率提高了 100%（从 3% 到 6%）：

消息匹配是指将广告和广告系列的文案和报价与着陆页上的文案和报价相匹配的做法。

当广告或广告系列做出承诺时，您的目标网页需要兑现该承诺。

登陆页面和广告在风格、语气、信息或措辞上经常存在差异，从而导致潜在客户体验破裂——最终导致更多的反弹和更少的转化。

另一方面，强大的信息匹配会保持从广告到感谢页面的相同承诺。

如果您的广告标题、优势、优惠或样式与着陆页的标题、优势、优惠或样式不匹配，请运行更符合您的信息的 A/B 测试（并观察您的转化率跳跃）。

归根结底，一切都取决于不可抗拒的报价。

即使是最好的文案、设计、布局或标题也无法弥补不吸引人的报价。

更改您的报价以最少的努力提供最大的好处。

您如何 A/B 测试您的着陆页优惠？

• 加急：限时、限货、预售红利、先买/后付
• 增值：折扣、免费试用、捆绑包、BOGO、定价层、免费送货

例如，Acuity A/B 通过将其从具有有限功能的“终身免费”计划更改为具有所有可能功能的“14 天免费试用”PRO 计划来测试他们的报价。

结果？ 付费注册增加了 268%：

着陆页表单是任何着陆页元素中研究最多的变量之一。

并且有充分的理由，考虑到超过 67% 的登陆页面访问者如果遇到任何复杂情况会永远放弃您的表单。

哎呀，我们甚至写了一篇关于登陆页面表单的整篇文章：高转换登陆页面表单的 17 个关键元素 [已验证]。

当谈到 A/B 测试登陆页面表单时，您几乎可以测试任何东西：

• 表单域数
• 表单标签
• 占位符
• 显微镜
• 号召性用语按钮
• 单列与双列
• 水平或垂直
• 多步骤表格
• 弹出与嵌入

例如，Arenaturist 发现将其形式从水平布局更改为垂直布局可提高 52% 的转化率：

在现在著名的 A/B 测试中，Expedia 发现从结帐表单中删除“公司名称”字段可以将转化率提高到 1200 万美元/年。

一个好的着陆页 CTA 清晰、引人注目且以行动为导向。

与使用“提交”或“发送”等模糊、通用的号召性用语副本不同，高转化率的 CTA 传达了明显的好处。

事实上，包含好处的 CTA 按钮已被证明可以增加 15% 的选择加入。

Copy 不是您可以进行 A/B 测试的唯一 CTA 元素：

• 按钮对比度：增加转化次数与按钮颜色的关系不大，而与颜色对比度有关。 测试不同的颜色对比，看看哪个转化率更高。
• Affordance：你的 CTA 看起来像一个真正的按钮有多少？ 平淡无奇？ 还是带有阴影的 3D？
• 点击触发器：点击触发器是指 CTA 按钮下方或周围的缩微副本，旨在吸引点击，例如“无需 CC”或星级。
• 放置：首屏上方、首屏下方、页眉中、其他地方？
• CTA 样式：带下划线的文本？ 大按钮？ 小按钮？ 带箭头图标？ 带有电子邮件图标？

例如，在 Unbounce 的这个古老但很好的 A/B 测试中，他们发现在 CTA 按钮副本中更改一个单词会使转化率提高 90%：

66% 的客户表示，社会证明的存在增加了他们购买的可能性。

评论、推荐、星级评分、客户数量、客户徽标、信任徽章、用户统计...

社会证明就像转化金：在你的着陆页上撒一点，看着你的转化率上升。

当谈到 A/B 测试登陆页面社交证明时，请考虑以下几点：

• 展示位置：在您的表单上、首屏、福利旁边、作为点击触发器等。
• 数量： 10 个推荐？ 尝试 100 多个推荐。
• 多样性：不仅仅是推荐，还有客户数据、业务年限、集成徽标、客户徽标、信任徽章、背书等。
• 可信度：可识别的客户徽标或小型企业客户徽标
• 质量：尝试将照片和姓名添加到推荐书或“经过验证的买家”标签中

例如，对于我们的一位 medspa 客户，我们发现在他们的登陆页面推荐中添加程序名称和日期可以将转化率提高 18.7%。

登陆页面内容的结构在转换访问者方面起着重要作用。

例如，您的目标网页是否使用 F 形层次结构？ 根据眼动追踪软件，您的访问者会自然地从左到右并从左到右（呈 F 形）阅读您的目标网页。

还是您的目标网页使用 Z 形层次结构？ 眼动追踪软件还表明，Z 形图案适用于字数较少的着陆页。

您可以进行 A/B 测试的其他着陆页布局元素包括：

• 部分顺序
• 图像放置
• CTA 展示位置
• 首屏之上

一个好的着陆页标题会吸引注意力并传达明确的价值主张。

您可以使用直觉或直觉从您写下的 100 个标题中选择您认为转换效果最好的标题，但只有 A/B 测试才能揭示您的客户最喜欢哪个标题。

在 KlientBoost，我们喜欢 A/B 测试登陆页面的标题。

例如，我们目前正在测试我们的营销计划页面的标题。

请记住，A/B 测试是隔离单个变量而不是多个变量的实验。

但这并不意味着您不能拆分测试两种完全不同的设计风格，同时保持其他一切相同或隔离单独的设计元素，例如：

• 调色板
• 图像学
• 英雄射击
• 自定义图形
• 摄影
• 样式（例如粗体字体与细字体）

例如，Highrise 发现 A/B 测试不同的图像作为他们的英雄镜头（女性和男性客户之间）会导致不同的转化率：

您不仅可以 A/B 测试不同的价值主张、信息、利益或号召性用语，还可以 A/B 测试语气、写作风格和格式——所有这些对转化的贡献都不同。

当 Groove A/B 测试他们的着陆页副本（加上重新设计以适应新副本）时，他们将转化率提高了 100%，从 2.3% 提高到 4.7%。

在您可以运行有效的着陆页拆分测试之前，您首先需要一些先决条件：

交通量

正如我们前面提到的，如果您只能向每个着陆页发送数百名访问者，您将不会获得具有统计意义的 A/B 测试结果。 对于财力雄厚或影响力有限的小品牌，A/B 测试可能不起作用。

用户行为数据

所有有效的着陆页 A/B 测试都以假设开始。 但是，要提出一个关于您认为会增加转化率的假设，首先，您需要知道他们为什么会受苦。 从 Google Analytics（分析）数据开始，同时探索 VWO、HotJar 或 CrazyEgg 热图等可用性工具。 （PS 我们写了一篇关于登陆页面工具的整篇文章。）

A/B 测试工具

对于大多数人来说，您的登录页面构建器将充当您的 A/B 测试工具。 例如，Unbounce、Leadpages 或 Instapage。 对于财力雄厚的企业品牌，您可能需要考虑使用 Optimizely 之类的工具。

选中这三个框后，就可以进行实验了。

老实说，这并不难。

事实上，您可以将一个有效的 A/B 测试过程分解为 13 个简单的步骤（其中许多我们已经回顾过）。

️ 使用现有数据和研究来确定问题领域。

️ 优先考虑高影响、低工作量的变量进行测试（例如，首先测试报价或表单字段，而不是 ROI 计算器或工具）。

️ 一次隔离一个自变量进行测试。

️ 制定一个您将接受测试的假设。

️ 设计“挑战者”变体与原版（“控制”）竞争

️ 重复校对步骤，然后发布挑战者

️ 在挑战者变体和控制变体之间拆分流量 (50/50)（同时测试两个变体）。

️ 衡量转化率的增加或减少

️ 使用置信度计算器验证统计显着性（例如：CXL 的 A/B 测试计算器）。 需要 90-95% 的置信度来指定获胜者。

️ 指定一个“冠军”登陆页面变体。

️ 将 100% 的流量发送到新的冠军变体。

️ 最后测量下游指标。 例如，更改报价可能会增加潜在客户，但潜在客户质量可能会下降（即减少已完成的销售）。

️ 计划下一次拆分测试。 冲洗并重复。

注意：我不能充分强调上述清单中的第 12 步（测量下游指标）。

想想下游指标，如滞后指标。 尽管一个变量可能会增加即时转化率（领先指标），但它也可能会降低潜在客户质量，并最终导致长期销售额下降。 注意。

登陆页面拆分测试可帮助您的营销部门做出数据驱动的决策。 数据驱动的决策每次都超越直觉或直觉（至少在着陆页转换方面）。

请记住，有效的拆分测试需要流量、数量和强有力的假设。

如果只有 100 人看过，你就不能自信地指定一个获胜的变体。

最好的 A/B 拆分测试不会测试任意元素； 他们研究当前的用户行为，并对如何更好地影响它做出有根据的猜测。 然后检验这个假设。

快乐的 A/B 测试，并为更高的转化率欢呼。