“A/B testing”，中文名“对比测试”。就是互联网工作中利用数据帮助决策的基础方法。

简单来说，就是为同一个目标制定两个以上方案，将用户流量分割成 A/B 两组，一组试验组，一组对照组，两组用户特点类似，并且同时运行。试验运行一段时间后分别统计两组用户的表现，再将数据结果进行对比，就可以科学的帮助决策。

A/B测试三要素：

1、多个方案并行；

2、每个方案只有一个变量不同，其他因素不变；

3、有明确的数据判定规则。

在头条广告/抖音信息流投放中，通过 A/B 测试可了解哪些广告效果最佳。

选择投放目标后，同时创建两个广告组，尝试更改广告的标题（或素材或落地页或定向），并向各组展示不同广告。达到一定流量后，受众分析和数据报告会展示不同的广告效果，你可以通过结果数据选择更优质的广告。

例如，进行创意 A/B 测试时，可以对广告标题做出小改动，保持图片和定向因素不变，最后对比更改前后的效果：

通过测试，A组点击率比B组高20%，转化率比B组高10%，那么对比而言，A组创意则更加优质。

你也可以保证创意一致，测试不同的定向或推广类型效果：

转自巨量大学