统计上显着的结果意味着该结果是合理的
因此，当您考虑 SEO 时，您需要考虑多种渠道才能在当今碎片化的数字环境中真正有效。 不能优化登陆页面的 个原因 年 月 日 | A/B 测试、数字营销、PPC | 尼古拉斯·莱卡斯 内容 原因：页面流量不足 原因：未正确跟踪 原因：没有正确计算优化时间 返回博客> 与其他类型的页面（例如博客文章）相比，登陆页面只有一个目的：鼓励访问者采取行动。通常，此类操作包括购买或注册/订阅。 因此，着陆页优化就是增加页面的转化率。尽管优化着陆页的方法有很多，但营销人员忽视的是何时不应该优化着陆页。那么，让我们来看看 种最常见的此类场景。 原因：页面流量不足 正确的决策 加拿大移动数据 需要正确的数据。正确的数据需要正确的数量。如果没有正确的流量，您就无法得出安全的结论，因此无法做出任何理性的决策更不用说优化了。 例如，假设您的目标网页底部有一个 CTA 按钮。您正在CTA 按钮 和 CTA 按钮 之间运行A/B 测试。因此，您运行测试几周，然后得到结果。结果可能如下所示： CTA 按钮 ： 次点击 CTA 按钮 ： 次点击 这是否意味着 CTA 按钮 的转化效果优于 CTA 按钮 ？
https://lh7-us.googleusercontent.com/zD3iBWbjJ9xY6xuz1ORJ2ipU8wFygLNvPIyw3NpreRIZ0nwoERonY-1GF8dXlQowJBQ_haNowmEbfN4m7GRu7IXG6z7Hzat0bkhtXd5MHAcDNDxZjxwF6WWeEGC07qVPiIWR4juh0AHXezw8
并不真地。也许你无法确定这一点，但你知道你永远不会做出这样的假设。很简单，因为数量太少了。或者，正如统计学中所说，因为没有统计意义。而不是偶然或巧合。统计显着性用p值表示。在大多数研究中， 或更低的p值被认为具有统计显着性。用于统计显着性的 A/B 测试计算器 为了能够实现统计显着性，您需要适当的样本量。这就是所谓的统计功效。样本大小影响统计显着性。 A 组和 B 组之间的差异越小，发现显着差异所需的样本就越大。
頁:
[1]