A/B testing (original) (raw)
اختبار أ-ب أو اختبار A / B (بالإنجليزية A/B testing) (المعروف أيضًا باسم اختبار الجرافة bucket testing أو اختبار التشغيل المنفصل split-run testing) هو منهجية بحث لاختبار المستخدم. تتكون اختبارات A / B من تجربة عشوائية مع متغيرين، A و B وتشمل تطبيق اختبار فرضية إحصائية أو «اختبار فرضية من عينتين» كما هو مستخدم في مجال الإحصاء. اختبار A / B هو طريقة لمقارنة نسختين من متغير واحد، عادةً عن طريق اختبار استجابة الشخص للمتغير A مقابل المتغير B، وتحديد أيهما أكثر فعالية.
| Property | Value |
|---|---|
| dbo:abstract | اختبار أ-ب أو اختبار A / B (بالإنجليزية A/B testing) (المعروف أيضًا باسم اختبار الجرافة bucket testing أو اختبار التشغيل المنفصل split-run testing) هو منهجية بحث لاختبار المستخدم. تتكون اختبارات A / B من تجربة عشوائية مع متغيرين، A و B وتشمل تطبيق اختبار فرضية إحصائية أو «اختبار فرضية من عينتين» كما هو مستخدم في مجال الإحصاء. اختبار A / B هو طريقة لمقارنة نسختين من متغير واحد، عادةً عن طريق اختبار استجابة الشخص للمتغير A مقابل المتغير B، وتحديد أيهما أكثر فعالية. (ar) A/B testování je klasická marketingová metoda (v souvislosti s počítačovými programy také testovací metoda či metoda pro testování použitelnosti aplikací), jež má za cíl zvýšit konverze či konverzní poměry projektu prostřednictvím změny jednoho funkčního či designového prvku. Tato metoda byla původně vyvinuta pro účely testování direct mail, nicméně posléze byla přejata i pro účely testování např. bannerových reklam nebo . (cs) Der A/B-Test (auch split test) ist eine Testmethode zur Bewertung zweier Varianten eines Systems, bei der die Originalversion gegen eine leicht veränderte Version getestet wird. Anwendung findet diese Methode hauptsächlich bei Software und im Webdesign mit dem Ziel, eine bestimmte Nutzeraktion oder Reaktionen zu steigern. Im Laufe der Jahre hat es sich zu einer der wichtigsten Testmethoden im Online-Marketing entwickelt. Mit dem A/B-Test werden aber auch Preise, Designs und Werbemaßnahmen verglichen. Der A/B-Test ist eine Form eines randomisierten Experiments oder eines randomisiert kontrollierten Experiments, falls eine der A/B-Gruppen als Kontrollgruppe fungiert. (de) A/B testing (also known as bucket testing, split-run testing, or split testing) is a user experience research methodology. A/B tests consist of a randomized experiment that usually involves two variants (A and B), although the concept can be also extended to multiple variants of the same variable. It includes application of statistical hypothesis testing or "two-sample hypothesis testing" as used in the field of statistics. A/B testing is a way to compare multiple versions of a single variable, for example by testing a subject's response to variant A against variant B, and determining which of the variants is more effective. (en) El término test A/B se utiliza en el ámbito del Marketing Digital y la Analítica web para describir experimentos aleatorios con dos variantes, A y B, siendo una la de control y la otra la variante. Otra forma de referirse generalmente a los test A/B es con el término split test, aunque este último método se aplica cuando se realizan experimentos con más de dos variantes. En el campo del diseño de páginas web (especialmente, cuando se diseñan experiencias de usuario), el objetivo es identificar los cambios que incrementan o maximizan un resultado determinado (por ejemplo, la proporción de clics que recibe un banner publicitario). Como el propio término indica, se comparan dos versiones (A y B), que son idénticas salvo por una variación que puede afectar al comportamiento del usuario. La versión A puede ser la que se esté utilizando en un momento determinado (control), mientras que la versión B se modifica en algún aspecto concreto (variante). Por ejemplo, en una página web de comercio electrónico, el proceso de compra es normalmente un buen candidato para realizar un test A/B, dado que, incluso mejoras marginales en la tasa de abandono, pueden implicar incrementos significativos en las ventas. Igualmente, se pueden observar mejoras cuando se modifican elementos como el texto, la disposición de elementos (layout), imágenes y colores, aunque no siempre es el caso. Los test A/B se han descrito como una especie de cambio en la filosofía y en la estrategia de la administración de empresas. Sin embargo, su uso cuenta con una amplia tradición dentro de la investigación científica. Los test A/B como filosofía de desarrollo web (por ejemplo, dentro de metodologías como el Lean Startup) acercan este campo al amplio movimiento de las prácticas de diseño basadas en evidencias. (es) Le test A/B (ou A/B testing) est une technique de marketing qui consiste à proposer plusieurs variantes d'un même objet qui diffèrent selon un seul critère (par exemple, la couleur d'un emballage) afin de déterminer la version qui donne les meilleurs résultats auprès des consommateurs. C'est une technique particulièrement employée dans la communication en ligne où il est maintenant possible de tester auprès d'un échantillon de personnes plusieurs versions d'une même page web, d'une même application mobile, d'un même courriel ou d'une bannière publicitaire afin de choisir celle qui est la plus efficace et de l'utiliser à large échelle. En français, le test A/B est habituellement un terme générique pour qualifier tout type de testage. Par exemple, on englobe sous ce terme les tests A/A, A/Z ainsi que les tests multivariés (ou tests MVT). Plus il y a de trafic sur un site, plus il est possible de tester de versions simultanément. (fr) Un Test A/B (o Test dei cesti o split-run testing), nel web analytics, è un esperimento controllato con due varianti, A e B. È una forma di test di verifica d'ipotesi o "test di ipotesi a 2 campioni" nel campo della statistica. Nel web design, in particolare nella user experience design, l'obiettivo di questo test è di identificare i cambiamenti delle pagine web che incrementano o massimizzano il risultato di un interesse (per esempio: click-through rate per un banner pubblicitario). Formalmente la pagina web attuale è associata a un'Ipotesi nulla. Il test A/B è un modo di confrontare due versioni di una singola variabile per testare la risposta del soggetto rispetto alla variabile A o B e determinare quale risulti la più efficace. Nella statistica multivariata, un test multinomiale è simile a un test A/B, ma verifica più di due versioni allo stesso tempo o usa più controlli.I test A/B semplici non sono validi per situazioni osservazionali, quasi-sperimentali o situazioni non sperimentali, come in dati di una indagine, dati offline, e altri fenomeni più complessi. (it) ABテスト（英: A/B testing）とは、主にインターネットマーケティングで行われる、施策判断のための試験の総称である。 (ja) 마케팅과 웹 분석에서, A/B 테스트(버킷 테스트 또는 분할-실행 테스트)는 두 개의 변형 A와 B를 사용하는 종합 대조 실험(controlled experiment)이다. 통계 영역에서 사용되는 것과 같은 통계적 가설 검정 또는 "2-표본 가설 검정"의 한 형태다. 웹 디자인 (특히 사용자 경험 디자인)과 같은 온라인 영역에서, A/B 테스트의 목표는 관심 분야에 대한 결과를 늘리거나 극대화하는 웹 페이지에 대한 변경 사항이 무엇인지를 규명하는 것이다(예를 들어, 배너 광고의 클릭률(click-through rate)). 공식적으로 현재 웹 페이지에 null 가설과 연관이 있다. A/B 테스트는 변수 A에 비해 대상이 변수 B에 대해 보이는 응답을 테스트하고, 두 변수 중 어떤 것이 더 효과적인지를 판단함으로써 단일 변수에 대한 두 가지 버전을 비교하는 방법이다. 이름에서 알 수 있듯이, 두 버전(A와 B)이 비교되는데 사용자의 행동에 영향을 미칠 수 있는 하나의 변형을 제외하면 동일하다. 버전 A는 현재 사용되는 버전(control)이라고 하는 반면, 버전 B의 일부 사항은 수정된다(treatment). 예를 들어, 전자상거래 웹사이트에서 구매 깔때기는 일반적으로 A/B 테스트하기 좋은 대상으로, 하락률에 있어 수익 한계선에 대한 개선이 판매에 있어 상당한 이익을 나타낼 수 있기 때문이다. 항상 그런 것은 아니지만, 때때로 텍스트, 레이아웃, 이미지 그리고 색상과 같은 요소들을 테스트함으로써 현저한 향상을 볼 수 있다. 다변량 테스트 또는 다항 테스트가 A/B 테스트와 유사하지만, 동시에 두 개 이상의 버전을 테스트하거나 좀 더 많은 컨트롤들을 테스트할 수 있다. 두 개 이상의 버전 또는 동시에 더 많이 사용을 제어한다. 단순한 A/B 테스트는 설문 데이터, 오프라인 데이터 그리고 다른 좀 더 복잡한 현상과 같이, 실측, 유사 실험 또는 기타 비 실험 상황에서는 유효하지 않다. A/B 테스트는 그 접근 방식이 다양한 연구 관례에서 일반적으로 사용되는, 피험자간 설계와 유사하긴 하지만, 특정 틈새 영역에서 철학과 사업 전략의 변화로 마케팅되었다. 웹 개발 철학으로서의 A/B 테스트는 해당 영역을 증거 기반의 실천으로의 폭넓은 움직임으로 이끈다. 대부분의 마케팅 자동화 도구가 현재 일반적으로 A/B 테스트를 지속적으로 실행할 수 있는 기능과 함께 제공되고 있기 때문에, A/B 테스트가 거의 모든 영역에서 지속적으로 수행될 수 있는 것으로 간주되는 것이 A/B 테스트의 이점이다. 이로써 현재의 리소스를 사용해 웹 사이트와 다른 도구를 업데이트해 트렌드 변화를 유지할 수 있다. (ko) Een A/B-test is een vorm van gerandomiseerd onderzoek met controlegroep waarbij twee (of meer) varianten van een website met elkaar kunnen worden vergeleken. Gebruikers worden gerandomiseerd ingedeeld in verschillende groepen, waarbij elke groep een andere versie van de website krijgt voorgeschoteld. De controlegroep, die een ongewijzigde versie van de website te zien krijgt, wordt traditioneel aangeduid met de letter "A", en de eerste variant met de letter "B". Door het gedrag van gebruikers in verschillende groepen te meten en met elkaar te vergelijken kan worden bepaald welke opzet, A of B, het gewenste doel - vaak de hoogste omzet - het best benadert. (nl) Testy A/B – metoda badawcza polegająca na porównaniu dwóch wersji strony internetowej celem wybrania tej wersji, która lepiej spełnia stawiane przed nią zadania. Porównywana może być aktualnie funkcjonująca wersja strony (z reguły „A”) i wersje alternatywnymi („B” – np. poprzednią lub nowszą). (pl) A/B-тестирование (англ. A/B testing, Split testing) — метод маркетингового исследования, суть которого заключается в том, что контрольная группа элементов сравнивается с набором тестовых групп, в которых один или несколько показателей были изменены для того, чтобы выяснить, какие из изменений улучшают целевой показатель. Таким образом в ходе теста сравнивается вариант «A» и вариант «B», и целью является определение лучшего из двух протестированных вариантов. Разновидностью A/B-тестирования является многовариантное тестирование. В этом случае тестируются не два целостных варианта, а сразу несколько элементов продукта или составных частей исследуемого объекта в различных сочетаниях, при которых каждый тестируемый элемент может быть двух видов (A или B). Метод часто используется в веб-дизайне, типичные применения — исследование влияния цветовой схемы, расположения и размера элементов интерфейса на конверсию сайта. В веб-дизайне часто тестируются две очень похожие веб-страницы (страница А и страница В), которые различаются лишь одним элементом или несколькими элементами (тогда метод называют A/B/n-тестированием). Страницы А и В показываются различным пользователям в равных пропорциях, при этом посетители, как правило, не знают об этом. По прошествии определенного времени или при достижении достаточно большого числа показов, сравниваются числовые показатели цели и определяется наиболее подходящий вариант страницы. Преимуществом метода является использование при проектировании объективных данных. Для A/B-тестирования веб-дизайна часто используются инструменты от сервисов веб-статистики; в этом случае также часто важно применение механизма для разбиения пользователей, которым будет показан тот или иной вид дизайна (одному и тому же пользователю нужно показывать тот же самый вариант дизайна), например, на основе IP-адреса и затем установкой HTTP cookie. (ru) Teste A/B é um método de teste de design através do qual comparam-se elementos aleatórios com duas variantes, A e B, em que estes são o controle e o tratamento de uma experiência controlada, com o objetivo de melhorar a percentagem de aprovação. Estas experiências são muito utilizadas em desenvolvimento web e de marketing, e até mesmo em formas tradicionais de publicidade. Teste A/B também se designa por experiência aleatória controlada, experiência online controlada e teste de divisão. Em web design, o teste A/B é utilizado para identificar alterações nas páginas web que podem provocar mudanças positivas ou negativas no interesse dos utilizadores. Como o nome já diz, duas versões são comparadas, as quais são idênticas exceto por uma variante que pode impactar o comportamento do utilizador. A versão A pode ser a versão utilizada atualmente (controle), enquanto a Versão B é a modificada (tratamento). Podem ser vistas melhorias significativas através de testes de elementos como copiar o texto, layouts, imagens e cores, mas nem sempre. Os testes multivariados ou teste de balde são semelhantes ao teste A/B, mas estes testes abordam mais de duas versões diferentes ao mesmo tempo. (pt) A/B-тестування (англ. A/B testing, Split testing) — метод маркетингового дослідження, суть якого полягає в тому, що контрольна група елементів порівнюється з набором тестових груп, в яких один або декілька показників були змінені, для того, щоб з'ясувати, які зі змін покращують цільовий показник. Хороший приклад — це дослідження впливу колірної схеми, розташування та розміру елементів інтерфейсу на конверсію сайту. Метод часто використовується при оптимізації вебсторінок відповідно до заданої мети. Тестуються 2 дуже схожі сторінки (сторінка А і сторінка В), які відрізняються лише одним елементом або декількома елементами (тоді метод називають A/B/N Testing). Сторінки А і В показуються користувачам почергово в рівних пропорціях, при цьому відвідувачі, як правило, не знають про це. По закінченні певного часу або при досягненні певного статистично значимого числа показів порівнюються числові показники мети і визначається найкращий варіант сторінки. До числа компаній, що використовують цей метод, відносяться Amazon і Zynga. (uk) A/B測試為一種，將兩個不同的東西（即A和B）進行假設比較。該測試運用統計學上的假設檢定和。 A/B測試可以用來測試某一個變量兩個不同版本的差異，一般是讓A和B只有該變量不同，再測試其他人對於A和B的反應差異，再判斷A和B的方式何者較佳。 (zh) |
| dbo:thumbnail | wiki-commons:Special:FilePath/A-B_testing_example.png?width=300 |
| dbo:wikiPageID | 9332179 (xsd:integer) |
| dbo:wikiPageLength | 25377 (xsd:nonNegativeInteger) |
| dbo:wikiPageRevisionID | 1123242582 (xsd:integer) |
| dbo:wikiPageWikiLink | dbr:Scientific_control dbr:Multinomial_distribution dbr:Multinomial_test dbr:Multivariate_statistics dbr:Multivariate_testing_in_marketing dbr:Non-experimental dbr:Booking.com dbr:Bias dbr:Uber dbr:User_agent dbr:Null_hypothesis dbr:Welch's_t-test dbc:Software_testing dbr:Mean dbr:Estimator dbr:Network_traffic dbr:Click-through_rate dbr:Email_marketing dbr:Google dbr:Multivariate_random_variable dbr:Controlling_for_a_variable dbr:Conversion_tracking dbc:Experiments dbr:LinkedIn dbr:Lyft dbr:Choice_modelling dbr:Stanford_University dbr:Statistical_significance dbr:Statistically_significant dbr:Statistics dbr:Student's_t-test dbr:Clickthrough_rate dbr:Multi-armed_bandit dbr:Barack_Obama_2008_presidential_campaign dbc:Market_research dbr:Adaptive_control dbr:Twitter dbr:William_Sealy_Gosset dbr:G-test dbr:Airbnb dbr:Amazon_(company) dbr:Database dbr:Facebook dbr:Barnard's_test dbr:Normal_distribution dbr:User_experience dbr:Purchase_funnel dbr:Randomized_controlled_trial dbr:Randomized_experiment dbr:Representative_sample dbr:Response_rate_(survey) dbr:HTTP dbr:Chi-squared_test dbr:Binomial_distribution dbr:Welch's_t_test dbr:Scientific_Advertising dbr:Average_revenue_per_user dbr:Mann–Whitney_U_test dbr:Poisson_distribution dbr:Social_media dbr:Claude_C._Hopkins dbr:Instagram dbr:Methodology dbr:Microsoft dbr:Microsoft_Bing dbr:Netflix dbr:OSI_model dbr:Political_campaign dbr:Traffic_shaping dbr:Variable_(mathematics) dbr:Network_effect dbr:Test_statistic dbr:Statistical_hypothesis_testing dbr:Evidence-based_practice dbr:Fisher's_exact_test dbr:Gibbs_sampling dbr:Z-test dbr:Reverse_proxy dbr:Two-sample_hypothesis_testing dbr:Hypothesis_test dbr:Between-subjects_design dbr:Observational dbr:Quasi-experimental dbr:User_engagement dbr:File:A-B_testing_example.png dbr:File:HTTP_AB_Testing.png |
| dbp:wikiPageUsesTemplate | dbt:Authority_control dbt:Citation_needed dbt:Reflist dbt:Sfrac dbt:Short_description dbt:Software_testing |
| dct:subject | dbc:Software_testing dbc:Experiments dbc:Market_research |
| gold:hypernym | dbr:Way |
| rdf:type | owl:Thing yago:WikicatMarketingTechniques yago:Ability105616246 yago:Abstraction100002137 yago:Act100030358 yago:Activity100407535 yago:Cognition100023271 yago:Event100029378 yago:Experiment100639556 yago:Investigation100633864 yago:Know-how105616786 yago:Method105660268 yago:PsychologicalFeature100023100 yago:Research100636921 yago:Work100575741 yago:YagoPermanentlyLocatedEntity yago:ScientificResearch100641820 yago:Technique105665146 yago:WikicatExperiments |
| rdfs:comment | اختبار أ-ب أو اختبار A / B (بالإنجليزية A/B testing) (المعروف أيضًا باسم اختبار الجرافة bucket testing أو اختبار التشغيل المنفصل split-run testing) هو منهجية بحث لاختبار المستخدم. تتكون اختبارات A / B من تجربة عشوائية مع متغيرين، A و B وتشمل تطبيق اختبار فرضية إحصائية أو «اختبار فرضية من عينتين» كما هو مستخدم في مجال الإحصاء. اختبار A / B هو طريقة لمقارنة نسختين من متغير واحد، عادةً عن طريق اختبار استجابة الشخص للمتغير A مقابل المتغير B، وتحديد أيهما أكثر فعالية. (ar) A/B testování je klasická marketingová metoda (v souvislosti s počítačovými programy také testovací metoda či metoda pro testování použitelnosti aplikací), jež má za cíl zvýšit konverze či konverzní poměry projektu prostřednictvím změny jednoho funkčního či designového prvku. Tato metoda byla původně vyvinuta pro účely testování direct mail, nicméně posléze byla přejata i pro účely testování např. bannerových reklam nebo . (cs) A/B testing (also known as bucket testing, split-run testing, or split testing) is a user experience research methodology. A/B tests consist of a randomized experiment that usually involves two variants (A and B), although the concept can be also extended to multiple variants of the same variable. It includes application of statistical hypothesis testing or "two-sample hypothesis testing" as used in the field of statistics. A/B testing is a way to compare multiple versions of a single variable, for example by testing a subject's response to variant A against variant B, and determining which of the variants is more effective. (en) ABテスト（英: A/B testing）とは、主にインターネットマーケティングで行われる、施策判断のための試験の総称である。 (ja) Een A/B-test is een vorm van gerandomiseerd onderzoek met controlegroep waarbij twee (of meer) varianten van een website met elkaar kunnen worden vergeleken. Gebruikers worden gerandomiseerd ingedeeld in verschillende groepen, waarbij elke groep een andere versie van de website krijgt voorgeschoteld. De controlegroep, die een ongewijzigde versie van de website te zien krijgt, wordt traditioneel aangeduid met de letter "A", en de eerste variant met de letter "B". Door het gedrag van gebruikers in verschillende groepen te meten en met elkaar te vergelijken kan worden bepaald welke opzet, A of B, het gewenste doel - vaak de hoogste omzet - het best benadert. (nl) Testy A/B – metoda badawcza polegająca na porównaniu dwóch wersji strony internetowej celem wybrania tej wersji, która lepiej spełnia stawiane przed nią zadania. Porównywana może być aktualnie funkcjonująca wersja strony (z reguły „A”) i wersje alternatywnymi („B” – np. poprzednią lub nowszą). (pl) A/B測試為一種，將兩個不同的東西（即A和B）進行假設比較。該測試運用統計學上的假設檢定和。 A/B測試可以用來測試某一個變量兩個不同版本的差異，一般是讓A和B只有該變量不同，再測試其他人對於A和B的反應差異，再判斷A和B的方式何者較佳。 (zh) Der A/B-Test (auch split test) ist eine Testmethode zur Bewertung zweier Varianten eines Systems, bei der die Originalversion gegen eine leicht veränderte Version getestet wird. Anwendung findet diese Methode hauptsächlich bei Software und im Webdesign mit dem Ziel, eine bestimmte Nutzeraktion oder Reaktionen zu steigern. Im Laufe der Jahre hat es sich zu einer der wichtigsten Testmethoden im Online-Marketing entwickelt. Mit dem A/B-Test werden aber auch Preise, Designs und Werbemaßnahmen verglichen. (de) El término test A/B se utiliza en el ámbito del Marketing Digital y la Analítica web para describir experimentos aleatorios con dos variantes, A y B, siendo una la de control y la otra la variante. Otra forma de referirse generalmente a los test A/B es con el término split test, aunque este último método se aplica cuando se realizan experimentos con más de dos variantes. (es) Le test A/B (ou A/B testing) est une technique de marketing qui consiste à proposer plusieurs variantes d'un même objet qui diffèrent selon un seul critère (par exemple, la couleur d'un emballage) afin de déterminer la version qui donne les meilleurs résultats auprès des consommateurs. C'est une technique particulièrement employée dans la communication en ligne où il est maintenant possible de tester auprès d'un échantillon de personnes plusieurs versions d'une même page web, d'une même application mobile, d'un même courriel ou d'une bannière publicitaire afin de choisir celle qui est la plus efficace et de l'utiliser à large échelle. (fr) 마케팅과 웹 분석에서, A/B 테스트(버킷 테스트 또는 분할-실행 테스트)는 두 개의 변형 A와 B를 사용하는 종합 대조 실험(controlled experiment)이다. 통계 영역에서 사용되는 것과 같은 통계적 가설 검정 또는 "2-표본 가설 검정"의 한 형태다. 웹 디자인 (특히 사용자 경험 디자인)과 같은 온라인 영역에서, A/B 테스트의 목표는 관심 분야에 대한 결과를 늘리거나 극대화하는 웹 페이지에 대한 변경 사항이 무엇인지를 규명하는 것이다(예를 들어, 배너 광고의 클릭률(click-through rate)). 공식적으로 현재 웹 페이지에 null 가설과 연관이 있다. A/B 테스트는 변수 A에 비해 대상이 변수 B에 대해 보이는 응답을 테스트하고, 두 변수 중 어떤 것이 더 효과적인지를 판단함으로써 단일 변수에 대한 두 가지 버전을 비교하는 방법이다. (ko) Un Test A/B (o Test dei cesti o split-run testing), nel web analytics, è un esperimento controllato con due varianti, A e B. È una forma di test di verifica d'ipotesi o "test di ipotesi a 2 campioni" nel campo della statistica. Nel web design, in particolare nella user experience design, l'obiettivo di questo test è di identificare i cambiamenti delle pagine web che incrementano o massimizzano il risultato di un interesse (per esempio: click-through rate per un banner pubblicitario). Formalmente la pagina web attuale è associata a un'Ipotesi nulla. (it) Teste A/B é um método de teste de design através do qual comparam-se elementos aleatórios com duas variantes, A e B, em que estes são o controle e o tratamento de uma experiência controlada, com o objetivo de melhorar a percentagem de aprovação. Estas experiências são muito utilizadas em desenvolvimento web e de marketing, e até mesmo em formas tradicionais de publicidade. Teste A/B também se designa por experiência aleatória controlada, experiência online controlada e teste de divisão. Em web design, o teste A/B é utilizado para identificar alterações nas páginas web que podem provocar mudanças positivas ou negativas no interesse dos utilizadores. Como o nome já diz, duas versões são comparadas, as quais são idênticas exceto por uma variante que pode impactar o comportamento do utilizador (pt) A/B-тестирование (англ. A/B testing, Split testing) — метод маркетингового исследования, суть которого заключается в том, что контрольная группа элементов сравнивается с набором тестовых групп, в которых один или несколько показателей были изменены для того, чтобы выяснить, какие из изменений улучшают целевой показатель. Таким образом в ходе теста сравнивается вариант «A» и вариант «B», и целью является определение лучшего из двух протестированных вариантов. (ru) A/B-тестування (англ. A/B testing, Split testing) — метод маркетингового дослідження, суть якого полягає в тому, що контрольна група елементів порівнюється з набором тестових груп, в яких один або декілька показників були змінені, для того, щоб з'ясувати, які зі змін покращують цільовий показник. Хороший приклад — це дослідження впливу колірної схеми, розташування та розміру елементів інтерфейсу на конверсію сайту. (uk) |
| rdfs:label | اختبار أ-ب (ar) A/B testování (cs) A/B-Test (de) A/B testing (en) Prueba A/B (es) Test A/B (fr) Test A/B (it) A/B 테스트 (ko) A/Bテスト (ja) Test A/B (pl) A/B-test (nl) Teste A/B (pt) A/B-тестирование (ru) A/B-тестування (uk) A/B測試 (zh) |
| owl:sameAs | freebase:A/B testing yago-res:A/B testing wikidata:A/B testing dbpedia-ar:A/B testing dbpedia-az:A/B testing dbpedia-cs:A/B testing dbpedia-da:A/B testing dbpedia-de:A/B testing dbpedia-es:A/B testing dbpedia-fa:A/B testing dbpedia-fr:A/B testing dbpedia-he:A/B testing dbpedia-it:A/B testing dbpedia-ja:A/B testing dbpedia-ko:A/B testing dbpedia-nl:A/B testing dbpedia-no:A/B testing dbpedia-pl:A/B testing dbpedia-pt:A/B testing dbpedia-ru:A/B testing dbpedia-uk:A/B testing dbpedia-vi:A/B testing dbpedia-zh:A/B testing https://global.dbpedia.org/id/kS3B |
| prov:wasDerivedFrom | wikipedia-en:A/B_testing?oldid=1123242582&ns=0 |
| foaf:depiction | wiki-commons:Special:FilePath/A-B_testing_example.png wiki-commons:Special:FilePath/HTTP_AB_Testing.png |
| foaf:isPrimaryTopicOf | wikipedia-en:A/B_testing |
| is dbo:wikiPageDisambiguates of | dbr:A/B |
| is dbo:wikiPageRedirects of | dbr:A-B_testing dbr:A/B_Testing dbr:A-b_test dbr:A/B_test dbr:A/B_tests dbr:A/b_experiments dbr:A/b_testing dbr:AB_testing dbr:Ab_testing dbr:A_b_test dbr:A_or_B_testing dbr:Split_test dbr:Split_testing |
| is dbo:wikiPageWikiLink of | dbr:List_of_computer_occupations dbr:Multivariate_testing_(disambiguation) dbr:Multivariate_testing_in_marketing dbr:Project_Alamo dbr:App_store_optimization dbr:UTM_parameters dbr:Decision_management dbr:Innovation dbr:User_experience_design dbr:Crumbl_Cookies dbr:OCO dbr:Web_analytics dbr:Search_engine_privacy dbr:Timeline_of_Airbnb dbr:Google_Optimize dbr:Conversion_rate_optimization dbr:Optimizely dbr:Call_to_action_(marketing) dbr:Startup_company dbr:Statistical_significance dbr:Steve_Huffman dbr:Feature_toggle dbr:Marketing_experimentation dbr:Marketing_research dbr:Barack_Obama_2008_presidential_campaign dbr:Adaptive_website dbr:Data_driven_marketing dbr:WalkMe dbr:Webmaster dbr:Landing_page dbr:Lean_startup dbr:Learning_engineering dbr:Personyze dbr:Airbnb dbr:Chat_fiction dbr:Hilary_Parker dbr:Software_deployment dbr:Randomized_experiment dbr:Real_user_monitoring dbr:A-B_testing dbr:A/B dbr:A/B_Testing dbr:Greenhouse_Software dbr:Growth_hacking dbr:Harold_Sumption dbr:JASP dbr:Virtual_store_research dbr:Advertising_mail dbr:Big_data dbr:Mobile_marketing_automation dbr:Canvassing dbr:Recommender_system dbr:Reddit dbr:Minimum_viable_product dbr:Uplift_modelling dbr:Unexpected_hanging_paradox dbr:Toonimo dbr:Evaluation_measures_(information_retrieval) dbr:Reverse_proxy dbr:Super_Crunchers dbr:Tag_management_system dbr:Slacktivism dbr:Test_and_learn dbr:User_research dbr:Two-sample_hypothesis_testing dbr:Rollout.io dbr:A-b_test dbr:A/B_test dbr:A/B_tests dbr:A/b_experiments dbr:A/b_testing dbr:AB_testing dbr:Ab_testing dbr:A_b_test dbr:A_or_B_testing dbr:Split_test dbr:Split_testing |
| is foaf:primaryTopic of | wikipedia-en:A/B_testing |
