现随机组选择的最简单方法是使用具有

Salvador123

例如，您可以对更改发送欢迎电子邮件的时间会产生什么结果做出有根据的猜测。与设定目标类似，您的假设应该是 SMART（具体、可衡量、可实现、相关和有时限）。在这种情况下，您的假设可能是“在用户加入后 10 分钟内发送欢迎电子邮件将使新用户群在未来三个月内的电子邮件打开率提高 6%。” 3. 将每个段分为“A”和“B”测试组 现在您已经形成了假设，将订阅者细分为两部分：“A”组用于控制组，“B”组用于测试组。 随机均匀地分割该段，以确保结果不偏向某一方向或另一方向。实内置A/B 测试的电子邮件服务提供商 (ESP)。 评估每个组是否足够大，能够提供具有统计意义的结果，以确保数据最准确。如果组太小或变化不够，测试将很容易只反映随机性的结果。而较大的群体将通过降低随机性概率来提高结果的准确性。 具有统计显着性的组是由几个因素和大量数学计算确定的。如果您不是统计学家或者只是不喜欢做数学（因为谁喜欢？），您可以使用A/B 测试计算器轻松找到合适的尺寸。

个好的起始规模通常是至少 1,000 个订阅者，但同样，这个数字可以更低或更高，具体取决于测试和订阅者列表。 4. 创建“A”和“B”测试资产 要测试电子邮件的特定方面，请创建同一封电子邮件的两个变体，仅更改单个元素以反映您的假设。 1440 Media 如何利用电子邮件营销获得 100 万以上订阅者刻即使您的企 萨尔瓦多电话号码表 业不报道和 55% 以上的打开率。 案例分析 1440 Media 如何利用电子邮件营销获得 100 万以上订阅者和 55% 以上的打开率。 学习如何 例如，创建两封相同的欢迎电子邮件，但在您通常发送欢迎电子邮件的时间发送一封，在您的假设反映的时间发送一封。按照上面的假设示例：如果您通常在用户加入后两天发送欢迎电子邮件，请在此时发送控制电子邮件。您的测试组电子邮件可能会在新用户加入后 10 分钟发送，以根据对照组的基线结果测试有效性。 两封电子邮件之间唯一的不同应该是您发送它们的时间。如果要测试多个元素，则称为多变量测试。例如，如果您同时测试电子邮件的发送时间和不同的主题行，则为多变量测试。仅当测试不同元素的组合时才应使用多变量测试。



最好仅在测试每个单独的元素后才实施多变量测试。 例如，在测试并找到发送电子邮件的最有效时间后，您可以将其与获胜主题行结合起来以衡量综合影响。如果您尝试同时测试电子邮件的各个方面，则可能很难确定哪方面对整体结果产生积极或消极影响。 5. 在可以测量结果的平台上运行测试 现在终于可以开始测试了。确保您从具有强大分析仪表板的 ESP 发送电子邮件，以便您可以轻松衡量和评估结果。请记住隔离除您正在测试的变量之外的所有变量。因此，如果您正在测试发送时间，请不要编写不同的主题行并在一周的不同日期或一天的不同时间发送。在两封电子邮件中包含相同的主题行，只需更改发送时间即可。 分析数据 运行测试后，就可以评估结果并确定您的假设是否正确。例如，在测试上述假设时，请查看每个电子邮件段的打开率，以衡量发送时间的影响。开放率最高的一组将成为“获胜者”。 如果您使用的是内置 A/B 测试的 ESP，该平台应该会为您完成大部分艰苦的工作。例如，在 Campaign Monitor 的A/B 测试分析仪表板中，您可以同时查看结果和转化值的图表。