版本 A 获胜– 如果“版本 A”（原始网页）获胜或相比之下表现更好，则测试被视为失败。换句话说，新创建的变体无法超越原始版本。
版本 B 获胜：如果“版本 B”（变体）击败了原始网页，您将获得“获胜者”，并且您可以用这个新网页替换您的原始网页。
不确定的结果– 也有可能测试结果非常相似，以至于无法宣布明显的获胜者，这意味着结果是不确定的。
注意：如果结果“不确定”，您可以进一步评估变化以宣布获胜者或创建一个新变量并再次执行 A/B 测试。同样，如果您的第一个 A/B 测试失败，您可以使用新变体运行另一个 A/B 测试。
但无论结果如何，您的 A/B 测试都是一项实验，它将为您提供对您的业务有用的有价值的信息。
如何为您的业务优化 A/B 测试？
为了充分利用 A/B 测试工作，您需要确保牢记某些方面或最佳实践。以下是优化 Shopify 商店 A/B 测试的一些技巧：
根据数据/反馈更改关键元素：
这实际上是两个技巧合而为一的：1. 尽量不要更改一个变体中的多个项目，2. 尝试使用客户数据/反馈来找到最佳的变体。
以KientBoost分享的这个案例为例：
首先，他们通过 Hotjar 调查收集了用户反馈，以了解登陆页面转化不 约旦 whatsapp 数据 佳的原因。他们发现了一个潜在的改进领域，即客户在不知道价格的情况下不会注册免费试用。
收到的有关 Hotjar 调查结果的用户反馈
在为 A/B 测试创建的 Hotjar 调查中，大多数客户表示他们想了解更多有关定价的信息（在开始免费试用之前）。
因此，他们在着陆页变体中包含了获取自定义定价的选项。在用户反馈的支持下，这一单一更改将转化率提高了 33%，置信度（显着性）水平为 91%。
A/B 测试结果截图
具有自定义定价选项的版本 B 变体的转化率为 26.86%，比第一个变体 (20.18%) 高出 33%。
不要在一个活动上同时运行多个测试：
可以对多种数字资产进行A/B测试，但建议不要组合在一起。例如，假设您正在为产品页面运行 A/B 测试，同时您还为推广同一产品的电子邮件营销创建另一个 A/B 测试。在这种情况下，很难测量两项测试的单独结果。
尽量不要在测试过程中引入任何新的优惠：
这似乎是显而易见的，但值得一提的是。如果您在试用期间推出任何促销优惠，可能会影响客户的购买决定并影响试用的准确性。