A/B 测试
A/B Test
中级通用A/B 测试（A/B Test）是把用户随机分到不同版本，比较同一指标的实验。它帮你判断改版是否真的带来改善，而不是只凭直觉或上线前后的数据下结论，例如比较两种注册页的完成率。
你可能会说：「我做了两个注册页版本，想让一部分用户看到新版，再看它是不是真的更容易让人完成注册。」
读之前建议先了解
动手看看哪种注册页更容易完成注册
1
想知道精简注册表单有没有用？先把同期新访客随机分成两组，避免让用户自己挑版本，造成比较不公平。
要点怎么判断一次 A/B 测试有没有说服力？
- 1
先定要比较的用户和指标
比如你想知道新注册页能否提高注册完成率，就先说清哪些访客参与、什么算完成注册。因为看完数据才挑指标，很容易把偶然变好的数字当成成果。
- 2
随机分组并保持版本稳定
把符合条件的用户随机分到旧版 A 和新版 B，并让同一用户持续看到同一版本。这样两组更有可比性，也能避免用户反复切换页面影响行为。
- 3
连同代价一起看实验结果
注册完成率提高还不够，我们也会看后续留存、错误率等指标。因为新版可能让更多人点完表单，却带来更多无效注册；样本太少或观察太短时，差异也可能只是波动。
容易混淆的地方
A/B 测试比较的是随机分组后的用户行为，不等于看改版前后两周的数据：时间变化也可能影响结果。它也不同于金丝雀发布，后者主要是先让少量用户接触新版，观察故障和性能；如果要据此判断产品效果，还得设计分组、指标和分析方式。
什么时候用
适合用
- 你准备调整网站注册流程，已有稳定流量，想比较新版与旧版的注册完成率。
- 你在 AI 工具里改了首次使用引导，想看新引导是否让更多用户完成第一次提问。
- 你想比较两种定价页说明，在正式替换前确认哪一种带来更多有效购买。
不适合用
- 后台只有几位固定管理员，短期内凑不出有意义的比较数据；找他们做访谈和任务观察更直接。
- 支付接口刚改完，你想确认付款会不会报错；先做自动化测试和小范围发布，别靠 A/B 测试找故障。
- 你还不知道用户为什么放弃注册，也拿不出明确的改版假设；先看漏斗数据并访谈用户。
练一练选一个答案，看看解释
你为注册页做了新版，想判断它是否比旧版更能促成有效注册。网站每天有稳定访客，你会怎么安排？
让 AI 帮你做复制给 AI Agent 直接用
请为注册页设计一次 A/B 测试：保持旧版 A，向随机分配的访客展示新版 B，并让同一访客持续看到同一版本。先列出参与条件、主要指标、有效注册的定义和需要监测的负面指标；说明埋点、分组及结果分析方案，暂不根据上线前后数据判断效果。