这是所有优化实际开始的地方。
如果不提出假设，你就无法优化任何东西，因为你不知道你要改进什么。
但在提出假设时，我们必须避免一个非常常见的错误：基于假设而不是数据。
企业中的每个人对于什么有效、什么无效、用户正在寻找什么等等都有自己的想法。但这些想法仅仅是假设，不应被考虑在内。
唯一重要的是测试这些想法，并让用户通过正确衡量的行动来说出什么对他们有用，什么对他们无效。
因此，假设的制定包括，一旦您确定了可能损害转化率的因素，就如何解决您所确定的问题做出假设。
这就像创建包含以下 3 个元素的语句一样“简单”：
您计划尝试的改变或方法。
这个改变是针对谁的？
预期的结果。
变体的设计和实现
根据假设和数据，是时候创建将要测试的 Web 元素的变体了。
测试不仅需要时间来创建变体并配置它们，还需要时间来运行它们。
尽管对网站上可以运行的测试数量没有预定义的 诊所电子邮件列表 限制，但如果网站没有收到大量流量，建议限制运行的测试数量，原因很简单将需要更多时间才能获得统计相关的数据量。
这凸显了选择运行良好的测试的重要性。
执行和结果分析
正如我们刚才看到的，每个测试都必须运行直到达到统计显着性；否则，将无法信任所获得的结果。达到统计显着性所需的时间取决于正在测试的变体数量和发生的转换数量。
在执行过程中，特别是在运行测试之后，必须对结果进行分析。
最常见的是将数据编译到报告中，该报告显示每个变体的时间表和指标，以及最重要的是基于它们的结论和建议。
具体来说，回答以下问题很有用：
有改善、恶化还是没有任何相关的情况？
如果结果与假设相反，为什么？
值得再试一次吗？也许测试周围存在异常情况，导致结果值得怀疑。
这些数据如何用于未来的优化测试？