还只知道“A/B测试”？是时候了解一下“多变量测试”了

彻的设计改版最好使 A/B 测试来验证，而 MVT（多变量测试）则表示不同的 UI 元素之间如何相互影响的，并支持对设的渐式改。

在优设计的方法中，A/B 测试受到了广泛的注。MVT（多变量测试）是 A/B 测试的一种替代方法，但大对这种方法的了解并多，通认为这种方式太耗时值得等待。 虽然多变量测试有限性，但是它的很多优点是 A/B 测试无法拟的。

一、多变量测试（MVT）

假设你要优一个线上的产详情页，目的是大幅升户将产入购物车的转化率，考虑到以下几可能的变化：

• 使用品视频代替品图片；
• 将主操作按钮的文案从「立即购买」改「添加到购车」。

多变量测试可以帮助你确定在多个设计优化案，哪几个案组合起来于转化率效最好。

首先，我们解释一些语。

变

一存多种设方案的 UI 元素（如图片或标题）。我们的电商示例中，变产品的视觉展示操作按钮的文案。

变体

变的各设版本。产品图产品视频表了视觉展示变的两变体：「添加购车」「立即购买」文案操作按钮的变体。

变化

终设包含每变的变体，以便与其他变化行比较。我们的例子中，将4设变化，对应于变变体的所可能的组合：图片×加入购车，图片×立即购买，视频×加入购车，视频×立即购买。

定义：多变量测试（MVT）是一种设计优方法，在户界面中测试多个指定变量的变体，目标是最大升转率（要的转，如成一个订单；或者微转，如与页面上的一个功交互）。这种方法确定变体的哪种组合会产生最转的设计方案（就指定的转目标而言）。

在多变量测试中，测试了2个或多个设计元素（变量）。中每个变量都可有多个变体。例如，在上面的页面中，我们可测试2个变量：产的视觉展示（有2种设计变量：图片和视频）和要操作按钮的案（有2种变体：「立即购」和「入购物车」）。

二、多变量测试（MVT）与 A/B 测试的区别

多变量测试通被认为是 A/B 测试的一种类，尽管它的设置和强有些同。是他们之间的相似点和同点：

• 这两种方法的测试原理类似，都通过将线网站或应用程序中的流，拆分并引导到差异的页面测试其中的不同。
• 针对某个具体的设计目标，两种方法都可来衡量哪种设计方案（即，变）可产生最转率。
• 在 A/B 测试中，被测方案能不仅仅是一小的细节变化，而是完不同的两种方案对比。例，你以有两个局完不同的页面、不同的副、不同的导航、不同的视设计等等。A/B测试的结果将表明，一个变的性优于另一个，但是你知道这是因为你的副本更好，视觉设计更好，还是布更好（或者整体效果更好）。

相反，如果使用多变测试，可能总会将功劳归于一特变体或变体组合。 因此，举例，可能会发，产品视频转化过程中所产的影响比改操作按钮文案的效果好得多，这会提供一的策略设见解（例如，它可能会告诉投资优秀产品视频制作得的）。

三、多变量测试（MVT）测量元素之间的相互作用

让我们回到一始的电商示例。可能知道，两连续的 A/B 测试否会产与多变测试相同的结果。具体，我们假设先运行 A/B 测试比较视频与图片，假设视频获胜。接下，获胜的变（即视频），可以两可能的按钮文案之间运行另一 A/B 测试，并且证明「立即购买」的文案好。难道这结果不同于多变测试吗？

答案是：一定。因为可是这样一种情况，最佳组合可是：图片×立即购，但是你并会测试该版本。

使用变量测试（而不是 A/B 测试）的主要优点是：能够确定页面上的各种元素之间是何互的。只有通测试各种变的每一个组合，你不仅以现视 A 的能优视 B，而且 C 按钮的能优按钮 D，而且你还以现变的最佳组合。

四、多变量测试（MVT）的局限性

每种变化组合产生的变像兔子一样繁殖。即使在非常简单的电示例中也有4种设计变化供比，它们对应两个2个变量之间的所有能的组合。为操变量（例，购买）添加另外1个变能产生另外2个变化 ，2个变化是通将此变与直观表示变量的2个变组合而生成的。 （一般来说，变化的数量是将每个变量的变数量相乘而获得的，所以，果你有2个变量，两个变量有3个变，则得到2×3=6个变化。）

有2个变量，每个变量有2个变，在变量测试中就有4个用以表示变的所有能组合的设计变化。

1. 在变量测试中，需要测试的大量变化导致该方法的最大局

与 A/B 测试相比，运行变量测试通常需要更的流量，才能达到统计意义。是因为添加到比中的每个变化导致时流量被分成更小的部分，因此，为每个设计选项收集够的数据点也需要很长的时间。（而，请住，运行测试所需的时间不仅取决总流量，而且还取决验目标转化率的预期变化，因为更大的改进比微小的差别更容易衡量。）通常，在更的变化中分割时流量导致测试时间长。

2. MVT（变量测试）的另一个是，所有变的组合必须在一才有意义

例，在页面上测试一图和一个标题的变时，请勿写出涉及图变细节的标题（例「美妙的温泉度假」与「美妙的滩度假」以及相应的照）， 因为每个标题在一个变更中同每图进行测试。 种类型的验最设置为 A/B 测试，样以更地控组合。

使用多变量测来优化计，而不是完全改变它。

多变量测试是设计进渐进改进好法，而不是设计进大规模新设计好法。 为它要求你识页上某些感兴趣元素，以测试该变量多个变体，所以你法轻易地比较各变化根本变化。

于主要设计优化，要在原始版本和提议新版本运 A/B 测试以找出哪个更好。然后，使用多变量测试来优化获胜设计各元素，始终保持迭代！

五、启示

如你目标是进实质性新设计（比如新设计主要布局），那么使用 A/B 测试来比较这个新设计和前设计，会比 MVT （多变量测试）更合适。旦发现性能更高设计，可以使用多变量测试来进步优化获胜布局特定元素。

欢迎关注译者微信公众：「熊猫设院」