794
基於數據，牛逼的產品經理是如何為試驗想法排列優先級的？
作為產品經理的你，一旦確定了你的試驗目標和想要優化的KPI後，下一步要優先考慮的就是測試什麼。
通常我們經常揮舞著拳頭拍著胸脯說“YOU CAN TEST ANYTHING!”,但是並不意味著所有的一切都需要測試，或者說我們需要找到一個適合開始的地方來測試。
通常，Google Analytics會提供大量的數據，從數據我們可以發現一些問題，但是若要這些數據變得更有價值，A/B測試才是真正能帶來最大收益的關鍵。
所以，基於數據的優先化測試 - 它將是產品經理為測試排序優先級的最寶貴資源。
通常你會認為你的首頁是你網站中最重要的區域。
但是當你查看Google Analytics（分析）的“目標網頁”報告時，你可能會看到許多不同的網頁獲得入口，有些甚至超過了你的首頁。
當你把使用相同模板的所有網頁的流量相加在一起後，你會發現你得到了比網站首頁還要多的流量。所以如果你需要確定測試站點範圍模板布局的機會時，就可以查看模板級別上的數據。
優先考慮那些存在最大提升潛力的頁麵
首先查找到那些效果極為不佳的網頁。你的數據可以幫助你找到一些明顯存在問題的頁麵，比如高跳出率的頁麵，但是有一些問題就表現的並不是那麼明顯。
如果你的問題是結算過程中購物車的放棄率過高，那麼像GA這樣的統計工具無法告訴你真正的原因，比如它不能幫助你發現你的訪問者之所以放棄是因為很難從其他頁麵找到運費信息，所以他們才會繼續走到結算流程看是否能找到他們想要的運費信息。
所以這個時候，你如果隻是優化購物車的視圖，那可能無法解決問題—你還需要查看你的產品和類別頁麵。
當你隻查看一個頁麵的數據時，你的信息來源中的任何一個都不會幫你找到A/B測試的機會，這個時候最好同時看幾個頁麵。
高退出率的頁麵—這是用戶在離開你的網站前看到的最後一個頁麵，在GA它會顯示在查看網頁後立即離開網站的訪問者的百分比。高退出率的頁麵可以識別問題所在。
轉化漏鬥由兩部分組成：頂部漏鬥和底部漏鬥。我們也可以把頂部漏鬥叫做說服端，底部漏鬥叫做事務端。
頂部漏鬥包括用戶最常訪問的頁麵比如首頁，類別頁麵，產品頁麵。這些頁麵和區域是消費者對你的產品和服務最感興趣的地方；底部漏鬥是轉化發生的地方—訪客購買產品，注冊並與你取得聯係。
到目前為止，我們看過的大多數數據都集中在頂部漏鬥，但是顯然我們也要關注底部漏鬥的轉化。
查看下麵渠道的跳出率：
GA的渠道分析側重對底部漏鬥的轉化分析。如果你正確的設置了渠道，你可以從中獲得有價值的測試信息。
例如，查看上圖渠道中突然下降的drop-off rates，如果結算區域隻有18%的流量從步驟2進行到步驟3，那麼在步驟2中就遇到了問題，找到出現的問題後，你應該問問自己為什麼會出現這樣的問題：
1、訪客在這個頁麵在尋找什麼信息？
2、有什麼東西阻止了他們在網頁上采取行動嗎？
3、他們期望在這個頁麵上看到什麼信息？
4、這些訪客是從哪裏過來的？
5、他們沒有足夠的動力繼續走下去嗎？
以上這些問題的答案都可以通過試驗來測試和驗證你的想法。
當我們像上述講述的那樣定位到問題後，我們產生了幾種不同的想法。現在我們就可以基於價值和成本來確定測試想法的優先級。
從高價值，低成本的測試想法開始。針對這種情況的一個例子就是測試結算頁麵中的相關區域或者變量，通常這個結算頁麵比它之前轉化漏鬥中的頁麵的放棄率都高。
優先測試重要的頁麵。你的用戶最常訪問的頁麵以及最熱門的頁麵也是用於測試的最重要的頁麵。你可能已經發現了有些頁麵的效果遠不及你之前預期的，但是如果他們沒有大量且高質量的流量，你暫時可以先把他往後排一排。
流量高的頁麵最重要。你需要有較高流量的網頁才能在合理的時間內完成試驗。通常每月獨立訪客訪問量超過30000的網頁就可以在幾周內達到統計顯著。
如果使用較低的流量，那可能就會需要較長的時間來運行，如果頁麵的轉化率比較高，那可以相對縮短運行的時間。
所以高流量的頁麵是首先考慮盡快安排測試的，你可以更快的進入下一個試驗，這將加速你的優化迭代的過程。
費用高昂的頁麵。在兩個具有相似流量的頁麵之間進行選擇時，可以選擇流量費用最高的頁麵來優先測試，以獲得更好的投資回報率。
使用PXL優先級框架
ConversionXL創建了自己的試驗想法優先級模型，試圖讓使用者盡可能多地排除主觀性，它是基於將數據帶到表中的必要性。這個模型被稱為PXL，看起來像這樣：
（點擊文末CXL博客鏈接即可獲得電子表格模板副本）
這個PXL框架不是幫我們猜測試驗可能產生什麼影響，而是要求我們提出一係列我們認為重要的問題，從而幫助我們給眾多的測試想法進行優先級排序。
比如圖示中第一列，羅列了三個試驗想法：
1、重新組織並重寫遊覽頁麵上的文案
2、顛倒主頁內容塊的順序
3、增加移動端主體文案的字體大小
如果你無法同時讓三個或者更多的測試想法同時進行試驗，那麼需要排列順序。你需要問自己這樣幾個問題：
1、更改是否在首位區域？→頁麵中折疊區域以上的內容的變化能被更多的人注意到，因此增加了測試具有影響的可能性。
2、看用戶響應時長在5秒內變化是否明顯？→借助A/B測試，讓一組用戶看到原始版本，另一組看到測試版本，然後跟蹤用戶看到差異後5秒內有沒有做響應？如果沒有，這個改變可能有較少的影響。
3、它是添加還是刪除任何東西？→更大的變化比如消除幹擾或添加關鍵信息往往會帶來更大的影響。
4、它能夠刺激和提升用戶的動機？
5、試驗是否在高流量頁麵上運行？→在高流量頁麵上的優化改進會產生更多的變現機會。
還有一些變量特別要求您將數據帶到表中以確定您的假設的優先級。
6、它是否解決了通過用戶測試發現的問題？
7、它是否解決了通過定性數據反饋（調查，民意調查，訪談）發現的問題？
8、它是否支持鼠標跟蹤或眼動跟蹤熱圖的假設？
9、它是通過數字分析找到的見解嗎？
將這四個問題帶入到每周的試驗討論會中，可以避免每個人隻是依賴主觀意見來排序試驗想法。
還有根據估計的時間通過包圍答案易於實施的限製。理想情況下，您可以讓測試開發人員參與優先級討論。
根據權重係數為測試想法打分
這是一個二進製的比例 - 你必須選擇一個或另一個。所以對於大多數變量（除非另有說明），產品經理可以選擇0或1。
同時，某些變量也被加權，因為它們的重要性 - 變化是多麼明顯，如果添加/刪除某些內容，且易於實現。所以在這些變量上，我們具體說明事情如何變化。例如，在“變化的可察覺性”變量上，您可以將其標記為2或0；或者在“實施的難易程度”上，可以標記2或0。
原文發布時間為：2017-04-20
本文來自雲棲社區合作夥伴“大數據文摘”，了解相關信息可以關注“BigDataDigest”微信公眾號
最後更新：2017-05-17 13:33:10