为什么 AI 比拆分测试更好以及如何使用它

公司总是努力优化他们的转化率——这是一个重要且广泛使用的策略。 他们每年进行数百次测试和实验，以优化客户体验。 他们大多通过 AB 测试或拆分测试来做到这一点。 但是拆分测试的问题在于它的效率并不高。

几十年来，公司一直局限于这种类型的测试。 但是这些测试很少产生任何积极的结果，而且公司没有资源或流量来运行所需数量的测试来真正获得他们需要的结果。 它仍然是决策和优化的重要工具，但在转化率优化领域，它仍然可以更好。

数字营销中的人工智能目标之一是在正确的时间提供正确的信息，但有时会出错。 我们都被网络上的一个广告所困扰——一个我们甚至不感兴趣的广告。

发生这种情况是因为营销人员必须通过人类猜测来决定消息何时何地出现，这可能是错误的——众所周知。 这些猜测确实来自大量测试，但这是一个缓慢的过程。

人工智能改变了世界

从 IT 部门到客户服务等等，它改变了我们对广告的看法。

最近的一项研究发现，46% 的客户表示，理想的体验将涉及仅与他们相关的广告的网站，并且多达 58% 的客户表示这种个性化的方法可以改善他们对品牌的看法。

然而，拆分测试在很大程度上依赖于相似人过去的行为、模式和偏好。

人工智能技术可以改变这一点——无论是我们的测试方式还是我们提供广告的方式。 谷歌推出了一种人工智能工具，可以适应搜索并为广告商节省大量时间。 另一家公司 Bidalgo 推出了创意人工智能，使营销人员可以轻松了解客户的需求。

这在媒体和购买过程中越来越深入，尤其是在线广告。

人工智能可以预测您的客户想要什么

Bidalgo 的人工智能工具根据客户旅程的所有部分对广告的各种元素进行评分。 它还比较了不同广告和消息以及图像的性能。 广告商可能在很多情况下都瞎了眼，因为即使您看到一种模式，您也不知道它为什么会发生。 但人工智能可以帮助广告商了解什么和为什么，并允许他们分解一些变量。

如果没有人工智能，广告商将需要通过仅更改一个变量来应用拆分测试，然后针对原始变量和其他变量运行变体以获得赢家。 然后，当他们有更多变量要测试时，圆圈会继续移动。 但人工智能能够同时做几十件事。 这是一种更快、更好的广告制作方式。

当谈到“为什么”时，人工智能可能会有一些答案。 偏好

许多公司正在采用和学习更多关于机器学习和人工智能的知识，但数据仍然很薄。 然而，这些信息很快就会到来。 一旦发生这种情况，营销人员将能够比较趋势并找到所有趋势的共同点。 人工智能还不能理解事物的心理，但它将来能够。

人类仍在制作广告，但这可能会在未来发生变化。 去年，首个机器人创意总监上线。 他们为机器人的人工智能提供了出色的广告，机器人想出了一个广告，里面有一只穿着西装飞来飞去的狗。 这个广告实际上比人造广告更受欢迎。

然而，概念化应该始终留给人类，因为他们比机器人更有创造力。 人类可以研究想法和创意部分，而机器人或人工智能则可以进行测试和分析。

拆分测试的测试限制：

• 资源限制——许多公司没有足够的钱来支付更多的人来测试和分析行为和模式。
• 增加的约束——公司还难以拥有足够大的样本以提供具有统计意义的结果。 他们必须投入流量和时间来测试一个所有工作都非常缓慢的变量。
• 拆分测试经常失败——完成的所有拆分测试中约有 10-20% 会提高性能。 其余的都失败了。 这意味着您只能选择某些假设进行测试，即使那样它也可能会失败

人工智能具有某些易于识别的优点：

• 它可以提高生产力——人工智能可以一次自动评估许多不同的假设，并允许一个人设置一个像数百个 AB 测试一样大而复杂的实验。 这允许单个资源完成比拆分测试所能完成的更多的任务。
• 它可以更快地学习——一个单一的实验就可以让你看到需要数百次拆分测试才能学习的信息。 这是几个月的实时时间，这意味着你会错过很多事情。
• 有更多改进的机会——一次测试更多的假设给你更多的机会来修复和改变事情，你的团队不必优先考虑他们需要测试的变量。
• 它可以优化整个漏斗——人工智能的构建是为了在漏斗和不同页面上创建许多变化。 这可以帮助您了解这些更改如何影响您在渠道底部的转化率以及它的整体表现。 全渠道优化加快了流程，为每个人创造了更好的体验。

深入了解 A/B 或拆分测试，几十年来它一直是一种有用的资源——而且是唯一的一种。 当谷歌用它来测试要显示的搜索结果的数量时，它变得更加流行。

它基本上将访问者分成两组，并向每一组显示同一事物的略微更改版本。 这两件事中的哪一个得到更多关注，获胜。 记录和监控每个反应，以查看它们是否正在执行所需的操作。 对组进行充分测试后，您可能会有一个明确的解决方案来确定哪个变量在广告中的表现更好。 它使您能够在不真正增加流量的情况下增加转化率——这往往更便宜、更高效。

如前所述，它已经使用和有用了几十年。 然而，一切都被人工智能所取代，这种疲惫的旧方法也应该如此。 虽然它确实有效，但这是一个乏味、缓慢的过程，在现代环境中是行不通的。

这就是人工智能介入的地方——所有营销人员和广告界人士的闪亮盔甲骑士。 它是新鲜的、现代的、最新的、快速的并且能够执行多任务。 人工智能允许您实时测试和优化。 任何由人工智能驱动的软件都可以构建并能够分析每个访问网站的人的行为，然后为每个用户提供不同的服务。 这样，您不仅要测试 A 和 B，反之亦然，而且还要测试所有看起来有趣且对测试有吸引力的变量。 这对任何人来说都是一项极其复杂的任务，但对机器来说却非常简单。 您可以尝试不同的组合——测试一张图片和一个标题与不同的图片和标题。

您可以分析数据以查看所有这些组合中的哪个组合可以提供更好的结果。 人工智能利用它的力量实时找出每个人的最佳组合。

它不像拆分测试那样将具有相同兴趣的人视为平等，而是考虑了各种其他因素。 这包括人口统计、偏好、行为和其他决定哪个广告最适合哪个用户的因素。 人工智能也很强大，因为它可以让您优化您的属性，为每位访客提供最佳的转化机会。

这似乎是一项复杂的工作，在大多数情况下可能是这样，但该软件非常值得，因为它可以处理您手动必须处理的所有事情。 您需要做的就是提供可以对其进行测试的不同变量。

用简单的英语来说——它比拆分测试更快、更有效。

对于大多数公司来说，拆分测试效率不高。 当然，大公司可能能够有效地执行它，因为他们拥有大量样本和资源，但我可能是所有人的最佳选择。 它不需要专门负责该特定任务的团队或任何也可能很昂贵的外包。 它为您完成所有繁重的工作，并为广告的创意和战略方面腾出时间。 您可以实时优化您的资产，无需在发布最终结果之前进行测试。

它也更关注每个人想要看到的东西。 这创造了更加个性化的体验，并分别为每个用户提供了更多的满意度。 拆分测试假设观众中的每个人都会喜欢一个或另一个变量，这本质上是错误的，因为人类不会那样工作。 当然，一大群相似的人可能喜欢相似的东西——但每个人都会有偏好。

可以这样想——虽然通过拆分测试确定的更好的标题可能会根据您的受众群体喜欢它的事实来增加转化率，但想象一下他们会喜欢多少并转换一个适合他们的标题具体来说。

您可能专注于颜色或图像，但真正的区别在于更好的个性化。 您可以确定最适合每个人的标题。

使用 A/B 测试，您可以同时测试一个页面优化，但使用人工智能，您可以在多个页面上工作，这意味着您的页面都将针对渠道平等的所有部分进行优化。 因此，您可以在漏斗顶部、漏斗中部和漏斗底部以及漏斗之外工作，优化您的整个旅程。 这是有效的，并且有效，因为您在不同的战线上进行操作，并且不同的人同时参与其中。

因此，为从 A/B 向人工智能的转变做好准备。 它会改变你做广告的方式。