电子商务商家致力于增加网站实际购买产品的访客数量。提高转化率通常需要尝试新方法，通过测试验证哪些实验能增加销售额。为了解释多变量电子商务测试，我们采访了Maxymiser创始人兼总裁马克·辛普森（Mark Simpson），该公司提供测试、个性化和转化优化服务。
常见拆分测试与多变量测试策略
Practical eCommerce：商家需要考虑哪些常见的拆分测试和多变量测试？
Mark Simpson：“测试范围因网站而异。好的起点是分析网站数据，找出流失点并修复以提高转化率。初学者通常从落地页A/B测试开始，可能是整页更改或仅修改按钮。但很快，人们会转向更广泛的网站测试。”
“真正的投资回报在于触及结账区域时，因为该流程多年来常被忽视。在结账流程中进行测试往往能带来巨大提升。”
“先进的零售客户正持续使用测试，对网站每个区域进行测试后才做更改。网站已从几年一次重新设计转变为持续迭代更新。两年后网站虽大不相同，但每项更改都经测试证明能提高转化率。这减少了猜测和直觉决策，采用数据支撑的迭代方法运营网站。亚马逊、eBay和谷歌自成立起便专注于与用户群体一起测试并持续改进，而非大规模重设计。”
结账页面的关键测试变量
PEC：请举一些大型商家在结账页面上测试的常见变量。
Simpson：“结账功能有几个关键领域。一是信息收集量，超出必要信息会导致流失率变化。例如测试登录与直接结账的差异，以及结账分页数和布局至关重要。”
“即使是按钮位置、颜色和文字等简单元素，也能显著影响用户流转。此外，在面包屑导航中明确阶段数也很重要。具体哪些有效因网站而异，但这些测试对减少流失、促进业务完成结账环节至关重要。”
多变量测试的优势与平台运作
PEC：如果同时测试约六个变量，如何确定哪个变量带来了好处或问题？
Simpson：“这正是多变量测试优于A/B测试之处。它能深入了解哪些变量控制提升效果、相关性及其相互作用，从而形成最高转化率页面，这些细节在拆分测试中无法获得。”
“运行多变量测试需要平台，价格从昂贵到免费不等，易用性各异。将平台通过JavaScript代码集成到网站后，即可启动测试。平台控制访客访问时的页面加载内容，无需开发新页面，只需输入新的内容元素或变体。平台管理所有内容，衡量交互效果和转化率，并生成报告帮助了解策略有效性。”
技术实现与平台兼容性
PEC：Maxymiser客户的网站访客是否被路由到Maxymiser服务器？
辛普森：“不。使用Maxymiser只需集成一行全局代码到页眉或模板中，即可测试任何页面而无需反复联系IT团队。通过Web界面调整页面元素后发布测试，所有内容仍保留在商家网站上，无流量重定向。Maxymiser作为规则引擎控制展示方式，页面功能和安全性仍由商家掌控，内容可保留在商家服务器或托管云端。”
PEC：您的解决方案是否适用于不同的电子商务平台？
辛普森：“绝对可以。我们拥有超百家电商客户，涵盖自建平台到IBM WebSphere等各种情况。Maxymiser控制内容展示层，不改变平台基础架构，因此完全保持中立。”
变量分配与自动化优化
PEC：涉及多个变量的测试中，平台如何确定每位客户看到的变量？
辛普森：“有两种选项。首选方案是由系统随机提供不同内容，并确保用户返回时看到相同变体。Maxymiser可在测试中自动优化，转向表现更好的变体。”
“另一种是通过界面配置特定规则，如针对细分市场或限制流量比例。若希望最快获得结果，最佳路径是使用随机样本并通过多变量测试流程自动优化。”
转化率提升的实际案例
PEC：能否提供实施测试后转化率提升及对业务影响的实际案例？
辛普森：“明确转化率定义至关重要。除销售额外，降低跳出率也是重要指标。北美一位大型零售客户通过重新设计落地页导航，将跳出率降低了19%。关键在于让用户快速进入结账流程，如提供优惠或显示购物车选项。”
“零售网站测试的转化率提升幅度差异很大。我们在邮件订阅环节记录到的最大提升超过1000%，即订阅人数增加10倍。虽然罕见，但在单项测试中，低个位数到50%的提升相当常见。”
新闻通讯订阅页面的优化细节
PEC：关于新闻通讯注册，那是商家原本的落地页还是你们调整后的？
Simpson：“是的。用户点击主页注册按钮后进入订阅表单页。我们重点测试了整体布局和信息收集范围，限制非必要信息收集大幅提升了转化率。”
“请求订阅时应思考根本重要因素，传达订阅价值（卖点）并与行动号召按钮协同配合。我们可能制作了250至300个版本。以三个区域各三种内容计算，共27种组合，可扩展至数百种。最终胜出的页面带来了超过1000%的提升。”
PEC：商家通常索取哪些不必要的信息？
Simpson：“除邮箱外，人们常要求名字、姓氏甚至地址或电话。限制非必要信息收集对订阅至关重要，同时明确告知订阅好处也同样重要。”
个性化定制服务解析
PEC：贵公司提供的个性化定制服务是如何运作的？
Simpson：“我们的解决方案包含个性化部分。首先是产品推荐，如‘看过此商品的人也看了’等功能。其次是细分模块，允许针对不同群体定制内容。例如十一月为不同气候地区用户提供不同类型服装。”
“真正的个性化是运用数学模型，依据用户属性及过往互动（居住地、人口统计、购买历史、兴趣等）确定最优质展示内容。据此定制文案、优惠及产品推荐，甚至引导至不同落地页，高度适配体验以提升交易可能性和忠诚度。”
PEC：客户访问次数越多，个性化是否越深入？
Simpson：“是的，算法具有自学习能力。网站流量越大，学习速度越快。即使在新站初期，向访问者展示相关内容方面也已表现不错。”
PEC：对首次访问者可以进行哪些个性化定制？
辛普森：“可通过邮政编码或人口统计特征区分，提供不同产品、导航或引导至不同着陆页。影响因素包括搜索记录、地理位置、访问时间（时段或星期几）及外部天气等。这些都会影响用户心态，可用于训练模型推送更具相关性的内容。”
PEC：如何确定经济状况或教育水平这类属性？
辛普森：“这比想象中容易。获得IP地址关联邮政编码后，通过Mosaic和Experian等公司数据，可提供居住在该区域个人的画像细节，如阅读报纸、周末活动、驾驶车型等。利用这些信息可有力针对特定内容和优惠进行精准投放。”
公司发展现状与建议
PEC：请介绍Maxymiser的成立时间及所在地等信息。
辛普森：“我五年前在英国伦敦创立公司，随后扩张至欧洲和美国。现居纽约约18个月。公司在北美运营数年，总部设在纽约和旧金山，中西部也有小型办公室。目前处于快速增长阶段，致力于帮助更多零售商提升网站转化率。”
PEC：还有其他补充吗？
辛普森：“随着假日季临近，流量增加是开始优化的绝佳时机。利用流量增长可获得更快结果，加速个性化认知与应用，推动更高销售额。当前正是把握业务规模并显著提升业绩的好时机。”