CXL Live 2019 回顾：每位演讲者的收获

已发表: 2021-07-22

真是太匆忙了 - 在风景如画的度假村三天内有 24 个演讲者。再加上 400 位新老面孔、大量对话、现场音乐和不止一些啤酒。 CXL Live 是一种体验。

还有这个：我们的开场视频泄露了成长……成长的所有秘密：

如果您想知道自己错过了什么，这里是今年 CXL Live 每次会议的亮点。

Els Aerts：“失传的提问艺术”

调查并不糟糕，但大多数调查都很糟糕。他们可以工作，如果：
- 你的研究问题是正确的。
- 你不再专注于呈现“数字”和呈现信息。
如何提出正确的问题：
- 不要问未来（例如“如果我们添加了功能 X，您购买 Y 的可能性有多大？）；你的用户不是通灵者。
- 过去的事情不要问太远——人的记忆是极不可靠的。
- 不要问引导性问题。（例如，不要问某事有多“好”；要问“好还是坏”，或者只是“如何”。）
对否定的偏见问题可以提供更多反馈（例如“它有多难……”）。
您在何时何地进行调查会影响结果——如果它是用户体验痛苦的站点部分，它会使响应产生偏差。
确认和感谢页面是向人们提问的绝佳机会。（例如，您是否考虑过竞争对手？如果是，我们有哪些特点让您选择我们而不是他们？）
在安排采访时，称它们为“聊天”，而不是采访——并将它们视为聊天；预测对话会发生在哪里，然后听，听，听。

Joanna Wiebe：“写镜子：如何利用客户的声音写出高转化率的文案”

90% 的文案都是在听。
目标是写出人们在其中看到自己的副本——他们现在的自己和下一个自己。
复制验证：这是突破还是失败？它推动的事情足以成为一个彻底的突破吗？还是绝对可怕？
超越客户数据的标准语音来源；更好的选择是：
- 采访创始人（最初的“客户”）；
- 感谢页面调查；
- Usertesting.com;
- 矿山销售电话；
- 矿山支持票；
- 我的 Facebook 评论；
- 我的在线评论。
创始人访谈可以找到故事、价值主张和大创意。
- 进行视频采访并录制（经许可）。
- 转录采访（rev.com）。
- 用荧光笔打印和阅读成绩单：什么突出？有什么不同？
销售电话和演示录音可以绘制通信序列、层次结构，并有助于使副本具有粘性。
- 深入了解潜在客户的实际想法。
- 观看演示时请注意他们的表情。
- 跳到潜在客户正在谈论的部分。
- 注意“纪录片风格”的时刻。（例如，如果您将成绩单交给某人，他们可以表演出来吗？那是个好时机。）
- 注意“我很担心……”和“你能告诉我……”之类的短语
- 标记您找到的内容，以便您可以在您的副本中使用它（#objection #late-stage 等）。

Carrie Bolton：“与您的客户和您的高管保持真实的关系——如何真正改善客户体验

客户体验是客户对他们与您的业务互动的看法。
Vanguard 认为专注于客户体验将有助于他们与竞争对手区分开来：
- 围绕定制和个性化客户体验进行实验。
- 前任。客户上网是为了避免打电话 - 重建页面以使其更易于实验并有针对性地降低客户呼叫率。
如何在外部制作案例：
- 从您所在行业或一流公司（例如 USAA、CIGNA）获取竞争情报；
- 福雷斯特研究；
- 客户体验博客。
如何在内部制作案例：
- 来自客户的定量或定性研究（例如数字分析、市场研究）。
- “与与人民交谈的人交谈。”
- 与您的财务人员交谈：哪些绩效指标受到关注？
告诉不要卖。
当您“销售”时，人们会看穿它。
客户调查和反馈可以揭示诚实和需要的反馈，以帮助他们知道要“告诉”他们什么。

Judah Phillips：“我如何学会不再担心机器学习并热爱 AI”

人工智能使分析师能够在做出决策时向前看——而不是在后视镜中。
我们目前正处于 Pragmatic AI（例如 Siri、Alexa）的起步阶段
AI 也正在进入工作场所（例如推荐引擎、聊天机器人、协作的自动建议）。
人工智能是任何获取历史数据（训练数据）并从该数据过去的表现中学习的东西；通常，这是有监督的机器学习。
深度学习是神经网络的思想。这是一个期望过高的领域。
- 卷积神经网络 (CNN) 用于图像和视频识别。
- 循环神经网络适用于时间序列数据。
- 生成对抗网络 (GAN) 擅长从训练它的其他数据和图片中创建假数据和图像。
用人工智能做什么：
- 预测流失率；
- 确定向个人发送哪些要约；
- 加速创新；
- 个性化内容；
- 基于账户的营销；
- 算法归因；
- 预测未来升力；
- 预测责备。
了解模型的作用（不一定是底层算法）并知道何时应用它们以及如何解释结果是分析师需要的技能。
自动化机器学习将帮助我们解决数据过多而时间不够的问题：
- 自动化机器学习可在几分钟内以高精度进行预测。
- 从历史上看，这是昂贵的。不再。今天，无代码 AI 将允许您做到这一点。

Ton Wesseling：“在每个组织中进行验证”

为什么我们的 CRO 工作会消失：团队以不同的速度运作。
- 转换团队：6-8 周的实验周期；
- 营销团队：准备、竞选、准备、竞选；
- 产品团队：2 周冲刺。
转换/优化团队可能会成为营销和产品团队的噩梦。
优化团队有很多（太多）骄傲：
- 他们告诉其他团队他们做错了什么。
- 可以自以为是，过于挑剔。
- 优化团队应该更加谦虚。
为什么杀死优化团队实际上可能是个好主意：
- 我们在优化漏桶吗？产品和营销团队应该参与其中。
- “转化率优化”一词并没有真正描述我们的工作——我们帮助客户实现他们的业务目标。
- 为什么我们总是专注于网络？优化邮件、社交等，也是优化。
优化是您试图影响的 KPI。
- 这有时包括每个用户的点击、行为、交易等。
- 您应该针对潜在的生命周期价值进行优化；应该有所有团队优化的通用 KPI。
优化就是效果——获得更多结果。
- 我们如何做到这一点？各部门应共同创建“卓越验证中心”。
- 在公司核心实现基于证据的增长——使研究民主化，这样产品团队就不必担心统计数据。
- 实施的优先次序 = 证据质量 x 对共同目标的潜在影响。
不要成为推动者；成为推动者。

Tammy Duggan-Herd：“无意识的陷阱：心理学的误用如何损害您的转化率”

理解人类行为是复杂的，对它采取行动更是如此。
如果您遵循错误的原则，您可能会损害转化、营销和您的品牌。
问题的根源在于研究如何进入公众视野：
- 从一名研究人员开始，他面临着生产在媒体/学术期刊上受到关注的东西的压力。
- 科学期刊有 70% 的拒绝率——很少有人能成功。
- 当某事发表时，新闻稿关注的是宣传，而不是准确性。
- 媒体继续夸大其词；博主使问题变得更糟。
- 最终，我们在 Twitter 上消费——20 页减少到 160 个字符。
这是一个电话游戏——最好的情况是扭曲的信息没有影响；最坏的情况是它会产生相反的效果。
无意识从业者的陷阱：
- 简单化。 媒体简化了结果，因为它们需要简洁、吸引人；限定符和细微差别被删除。
- 高估效应的大小。 统计显着性不等于实际显着性——效应的大小。
- 过度概括。 我们经常忽视研究限制，这是必要的，因为大多数研究都是在实验室中与本科生一起进行的（不具有代表性）。
- 隔离发现。 媒体将单一发现视为确定性的；没有一项研究可以单独说明很多问题；额外的变量可能会抵消/逆转效果。
您需要知道如何避免陷阱：
- 阅读原始研究。究竟发现了什么？效果有多大？它是如何进行的？
- 不要陷入黑客。
- 自己测试一下。请注意它可能会出错/适得其反。

Brian Cugelman：“消费者心理学、多巴胺和转换设计”

多巴胺神话声称
- 多巴胺是愉悦或幸福的神经递质。
- 可变奖励是如此强大，以至于用户无法抗拒它们。
- 像 Facebook 这样的公司用多巴胺操纵人们。
如果这些说法属实：
- 社交媒体将是纯粹的乐趣。
- 我们都会上瘾，被邪恶的操纵者迷住。
- 大多数人类将缺乏任何自我控制。
实际上，多巴胺让人感到精力充沛和好奇。
- 它提供了一种快速消退的情感奖励，让人不满意。
- 人们习惯于触发，从而停止触发多巴胺。
- 多巴胺奖励会强化行为。
- 太少的多巴胺与运动障碍有关。
我们如何触发观众的多巴胺？ 提供数字承诺或惊喜：
- 虚拟欢迎礼物；
- 快速致富优惠；
- 神秘盒子；
- 拍卖；
- 幸运抽奖;
- 广告：“这些童星今天的样子”；
- BuzzFeed 调查/测验，例如你是哪只狗？
我们如何在数字营销中使用它？
- 礼物和奖励的视觉提示；
- 神秘奖品；
- 编辑挂钩；
- 有价值的建议;
- 福利报表；
- 任何奖励的提示。
大脑习惯于旧的奖励（例如横幅失明）。
你如何克服习惯？
- 提供更多、更好、更大。
- 使用新奇。
- 包括惊喜。
- 保留完整的故事。
- 减少外展频率。
- 添加随机礼物。
- 重新包装今天的材料。
- 添加创新。
- 使用可变奖励。
利用不确定性为您带来优势：
- 如果您要通过运输提供一些东西，请使用具有增强预期的随机奖励。
使用期望管理，直截了当，兑现你的承诺，你就会拥有当之无愧的多巴胺。

卢卡斯·维米尔 (Lukas Vermeer)：“Booking.com 上的在线实验民主化”

每当有人向您展示数据时，您的第一个问题应该是“这些数据是在哪里以及如何获取/收集的？”
有些人将基于数据的验证误解为对创作自由的限制。
在 Booking，人们相信数据的有效性，并且每个人都可以看到决策。这可以实现连续的、个性化的决策过程。
“轶事的复数不是数据”——我们需要证据来做出决定。
避免猜谜游戏（例如“两种按钮颜色中哪一种更好？”）：
- 我们应该改为进行假设检验，其中包括对实验背后思想的更详细描述。
- 这并不意味着您不能测试按钮颜色，而是您对为什么要这样做以及应该测试哪些变体有了更好的理解。
假设模板：理论、验证、目标。
通过实验挑战你自己对产品的理解是至关重要的：
- 它颠覆了“所有测试都应该获胜”的想法——“9/10 测试失败”（VWO），但学习永远不会失败。
找到最小的步骤来快速测试风险最高的假设。

Ryan Thomas：“优化电子邮件注册”

电子邮件捕获有时会违背您的主要目标
- 前任。优化比赛弹出窗口导致电子邮件注册量提升 300% 以上，但电子商务转化率和 AOV 下降
- 解决方法：用现在鼓励销售的优惠取代比赛（欢迎和退出优惠小折扣的组合）
- 电子邮件注册量的类似提升以及交易转化率和收入的提升
为什么要关注电子邮件注册？
- 查看数据：电子邮件流量通常表现最佳；时间滞后和路径长度示例 - 三分之二在同一天转化，但在第一个接触点不到一半
- 与您的客户建立关系
- 测试策略：独立的KPI（不太可能与其他测试冲突）；低流量：当你没有足够的宏转换时，可以在这里测试；作为学习的测试：尝试消息传递和动机
ResearchXL 流程
- 启发式分析
- 鼠标追踪
- 网络分析
- 用户测试
- 定性调查
- 技术分析
客户调查
- 开放式、非引导性问题
- 了解动机、决策过程、犹豫、挫折
洞察力可以来自任何地方
关联数据点以确定路线图的优先级 (PXL)
更多例子：
- 为频繁购买的产品优化竞赛弹出窗口，可在不影响电子商务指标的情况下提升电子邮件注册量
- 在电子邮件注册增加 95% 和交易转化率小幅提升之前添加一个不存在的欢迎优惠
要点：
- 使您的战略与对业务重要的事物保持一致——没有虚荣的指标。
- 尝试不同的策略、工具、优惠和设计。
- 做你的研究！

Nina Bayatti：“真的是赢家吗？您应该跟踪的下漏斗数据”

您可以监控大量指标：
- 兑换率;
- 跳出率；
- 点击率;
- 浏览量；
- 铅捕获；
- 购买转化率。
但他们并没有讲述整个故事。
为了得出可靠的结论，您需要分析漏斗数据。
在 ClassPass，他们认为推荐对于吸引新客户很重要，因此激励推荐是有意义的。
- 他们测试提供 10 个免费学分，用于与好友一起锻炼。
- 邀请增加了 50%；推荐获取量提升 35%。
- 然后他们注意到他们一直在蚕食其他渠道——作为推荐人转换的人是已经从其他渠道获得的潜在客户。
设置您的成功实验：
- 定义成功指标。
- 在确定样本大小时考虑所有漏斗步骤（即也使其足够大以进行漏斗底部分析）。
- 识别并迭代向下漏斗杠杆。
- 激励措施奏效，但它们可能效果太好，并将那些不是真正进入服务/产品的人或蚕食其他渠道。
- 始终考虑您的成功测试对您的增长和成本的影响。

埃里克·艾伦：“失败的测试也可以成为赢家。如何评估失败的实验并从中学习。”

实验的成本——你希望好处大于成本。
为什么输了会痛？在我们看来，损失大于收益。
学习胜过知识：知识是有限的；以一种你可以从中汲取教训的方式设计每一个实验，即使是从损失中。
Ancestry.com 重新设计测试失败：
- 第一个测试：了解到我们变化太多，需要隔离变量。
- 第二个测试：消费者不了解包装之间的区别，只是选择最低价格。
- 第三个测试：优惠页面太复杂，消费者在页面上花费了太多时间。
- 第四个测试：现在有太多人在接受短期套餐。
- 第五次测试：这根本行不通。恢复原样。
学会重构损失：“ A/B 测试是我们的学费。 学习是要花钱的。 ”
测试的影响：
- 基准运行率：每年 1 亿美元；
- 测试提升：10%；
- 测试持续时间：90 天（25%）；
- 负面影响：250 万美元；
- 总收入：9750 万美元。
未测试实施的影响：
- 基准运行率：每年 1 亿美元；
- 测试提升：10%；
- 测试时间：12个月；
- 负面影响：1000 万美元；
- 总收入：9000 万美元。
测试总节省：750 万美元。
从一系列测试中学习可以将失败变成胜利。
要点：
- James Lind：有成本，但也有好处。
- Jeff Bezos：继续进行实验。
- Jay-Z：损失是教训。

Stefanie Lambert：“实事求是：构建优化程序时的惨痛教训”

对组织文化的敏感性将使每个人的生活更轻松。
- 如果一家公司以不同的方式做事，这可能意味着你必须适应。
细节决定成败。
- 由于进展太快，我们需要多次重新启动测试。
- 对于一个简单的测试，将 Google Analytics 与 Google Optimize 连接起来需要几秒钟，但由于我们没有这样做，我们浪费了两周时间。
如果没有数据支持，它可能不会起作用。
- 您的测试队列应该主要是数据支持的测试。
- 服装系列真的很想展示他们服装的质量并让他们的图像更大。但这个想法并非来自数据。
- 当我们展示较大的图片时，页面上的产品较少，从而降低了点击率。
定量和定性数据对于出色的结果是必要的。
- 推出测试后，我们对表单初始化减少了 20% 感到失望。
- 新表格更好看，并且在网站的其他地方做得很好。
- 我们过滤了控件和变体用例的会话记录。
- 在新的变体中，表单的独特之处足以让访问者将其识别为表单，因此更多的用户离开了，表单开始减少。
好奇心并没有杀死猫。
- 通过足够关心提出棘手的问题而脱颖而出。（例如“这真的很好，但还能更好吗？”）
- 刚开始时，我对基于工具中的数据做出大型业务决策感到不自在。
- 我必须学习统计学才能信任数据。

Lizzie Eardley：“在实验中追逐统计幽灵”

统计幽灵：当您认为您的测试影响了您的指标，但实际上没有影响时。你被数据骗了
运行 100,000 次 A/A 测试：60% 的 A/A 测试测得的差异至少为 1%。
“在统计上不显着”并不意味着它没有影响，只是您没有足够的证据来拒绝零假设。
统计鬼影的四个原因：
- 多重比较；
- 偷看；
- 不好的指标；
- 几乎意义重大。
多重比较：
- 需要通过调整 p 值来解决这个问题。
- 误报几率适用于每个比较。
- 前任。 1 比较：5% 的误报几率； 8 次比较，34% 的误报几率！
- 基于一个关键指标的假设，然后选择次要指标。
偷看：
- 在预定的实验结束之前查看数据并采取行动。
- 这会对误报率产生巨大影响。
- 偷看的好理由：检查错误、阻止灾难、提高效率。
不良指标：
- 一个好的指标是有意义的、可解释的、敏感的、适合测试的。
- 有意义：捕获您打算更改的内容。
- 可解释性：易于判断更改如何改变用户行为。
- 灵敏：可以更快地检测到较小的变化。
- 适合测试：正态测试假设独立，且误差呈正态分布。
几乎意义重大：
- 诱惑之鬼。人们愿意相信他们所希望的。
- 没有“几乎”重要的东西！

Emily Robinson：“A/B 测试的 6 条准则”

实验过程的步骤：
- 过程。你不能做所有的事情，你没有做的事情仍然很重要。
- 创造。
- 分析。
- 做决定。如何决定下一步做什么？
数据越少，观点越强。我们的意见往往是错误的。 不要让 HiPPO（最高薪酬人士的意见）扼杀你的想法； 代替实验。
从历史数据开始：你的测试想法的人口是多少？您目前的转化率和预计增幅是多少？
运行功率分析！对于确定停止点和避免假阴性很重要。（80% 意味着如果更改存在，您有 80% 的机会会检测到更改。）
如果您一次尝试多个更改，将无法找出无效的内容；而是进行较小的增量测试。
- Etsy 首先在测试结束后发布所有更改。
- 转向更深入的流程，以更短的周期实施 A/B 测试变更。
在发布想法之前先制作原型。
让一位科学家参与其中，他可以确保您跟踪正确的指标。他们还可以帮助您进行功率计算和迭代想法。
做决定：
- 您要添加的技术复杂性和债务是什么？
- 它是基础功能吗？
- 是否存在太小而无法检测的负面影响？
小心中立启动——没有可靠的策略或足够的数据来支持决策。

Valerie Kroll：“如何展示测试结果以激发行动”

在展示数据时，关键问题是“您希望观众带走什么？”
模板公式：
- 我们为什么要测试；
- 我们测试了什么；
- 结果；
- 学习；
- 下一步是什么。
您的幻灯片不是您的演示文稿。 你是演示文稿。
陈述您的商业案例：
- 你在哪里测试这个？
- 观众是谁？
- 你会测量什么？
陈述论文。（例如“价值主张聊天提示会增加潜在客户的捕获率吗？”）
定义实验的测量方式：
- 假设陈述；
- 主要 KPI；
- 次要 KPI。
使您的演示文稿具有互动性：进行民意调查——询问人们他们认为什么会获胜。
呈现结果：
- 对主要 KPI 的影响；
- 主要 KPI 的一种可视化；人们会更好地理解你的结果。
- 细分以显示您发现的其他内容。
- 保持学习和行动并行。（这应该占用您演示时间的 40-50%。）
如果某些内容没有添加到您的演示文稿中，它就会从其中删除（例如统计数据、技术信息等）。
有一个可预测的模板。人们知道会发生什么。使您的工作更快。

安德烈·莫里斯：“我们都会死：为什么‘优化’是进化的加速”

撒切尔效应（1980 年，现场实验）：很难识别面部正面照片的变化（玛格丽特·撒切尔）。
如果您不知道该模式，您可能无法识别它——CRO 也是如此。
你需要改变视角才能看到事物背后的真相。
前任。德国商业银行为何濒临死亡？
- 坦率地说，这种体验很糟糕。
- 但为什么？他们有设计师、CRO、分析师
- 无知的 HiPPO——管理层不会感到痛苦。
“真相——更准确地说，是对现实的准确理解——是产生良好结果的重要基础。”
不要谈论破坏性的商业模式；破坏者不谈论它。他们忙于干扰。
数字增长并非来自技术；它基于出色的客户体验。
如果不打算测试客户体验，您将看不到结果。
优化本质上是敏捷的：CRO 为团队生成新数据，以证明组织所做的一切是好是坏。
好的优化者会产生以客户为中心的想法。
亚马逊的优势在于他们不断产生新的见解。
- 这是一波——敏捷的海啸。（你看不到它。）
Infinity 优化过程：分析、确定优先级、验证。
转变管理思维。
- 管理层不关心网站上发生了什么变化。
- 向管理层展示实验计划的投资回报率。
- 提示：与首席财务官成为朋友。
- 最高管理层圆桌会议——允许管理层讨论他们的问题，然后有抱负（即出售程序）。
- 管理层想要大事！然而，他们忘记了较小的变化会产生较大的结果（复合效应）。

John Ekman：“数字化转型中的问题（以及如何修复）

“数字化转型”不是一个好的目标：
- 目标是“将产品快速推向市场”或“良好的客户服务”。
- 当目标不应该改变时，我们（错误地）设定了“数字化转型”的目标，而只是实现它们的工具。
数字化转型的五种方式：
- 将产品数字化；
- 围绕产品包裹数字服务层；
- “幕后”流程数字化；
- 将营销、销售和保留工作数字化；
- 创新数码产品。
我们必须在五种数字化转型方式中进行选择和优先排序；即使是数字领导者也可能在一种或两种方式上表现出色，但在其他方面则不然。
领导层认为它花费了大量金钱；从业者感觉他们没有资源。
- 现实情况是，这是曲棍球棒的增长——在看到任何结果之前，您必须花费大量资金（然后结果呈指数级增长）。
- 在分配给正在进行的计划之前，先将预算分配给新计划。
目标和评估错位：
- 小项目不是在大局内组织的。
- 随着数字化转型，我们不知道回报或必要投资的规模；只关注投资回报率并不能推动您走向未来。
- 解决方案：OKR (Google)、创新会计 (Eric Ries)、计量资金 (VC)。
三个数字超级大国：
- (1) 倾听客户的能力；
- 当你倾听时，你可以（2）行动；否则，您会根据错误的信息采取行动。
- 如果两者都有，则可以 (3) 扩展；否则，你会缩放错误的东西。

Will Critchlow：“如果您获胜的 CRO 测试搞砸了您的搜索流量怎么办？或者您的 SEO 更改正在破坏您的转化率？”

普遍担心的是 SEO 会搞砸 CRO，反之亦然。
- CRO 处理漏斗的底部（更多的人转化为销售）。
- SEO 处理漏斗顶部（将更多人添加到漏斗）。
许多 CRO 页面甚至没有编入索引，但很多都编入了索引——而且 CRO 测试会损害自然流量。（我们已经看到它发生了。）
实验：SEO 和非数字营销人员被要求评估两个页面中哪一个可能排名更高：
- 没有人能够在预测中达到 50% 的准确度。
- SEO 只比非 SEO 好一点。
那么我们如何做出更好的预测呢？ SEO 测试 (DistilledODN)。
对一个细分市场有效的变化可能不适用于另一个——我们必须进行测试。
- SEO“最佳实践”是特定于站点/行业的。
UX是一个排名因素（也许）：
- 谷歌训练机器学习模型喜欢人们喜欢的东西。
- 但谷歌并不完美——每一次算法改变都没有达到那个目标，但这就是他们想要做的。
- 因此，我们应该从 UX 基本原理构建 SEO 假设。
最终，我们需要——并将受益——同时测试 SEO 和 CRO 的影响。我们在同一个团队。

Brennan Dunn：“如何大规模提供完全个性化的体验”

许多人“认为”他们是个性化的，但是那里有很多无用的个性化。
我真正想要个性化的事情：我的意图、我的行为、我的知识水平。
细分的两个主要工作：
- 使您的信息更相关、更具体；
- 使用细分来改进报告。
在细分中，我关心的两件事是“谁”和“什么”：“我是一个[空白]，我需要你在[空白]方面的帮助。”
如何自动细分人群：
- 意图/行为
  1. 有人在我们的网站上阅读的最后 10-20 篇文章是什么？
  2. 原始登陆页面。
  3. 他们点击的广告（尤其是 Facebook 广告）。
  4. 转介。
- 行动
  1. 采购。
  2. 铅磁铁。
  3. 网络研讨会。
- 调查
  1. 触发链接：“你现在最关注什么？”
  2. 调查。 “你今天想在我们的网站上做什么？”
  3. 主持的调查。
- 清除位
如果您不知道应该如何细分怎么办？
- 当有人加入电子邮件课程或下载磁铁时，请直接问他们。（例如“你需要从这个电子邮件课程中得到什么？”）
通过个性化，我们可以使用利基消息传递，而无需成为利基业务。
更少思考，更多参与 = 更多转化。
归根结底，个性化是相关的。

Chad Sanderson：“在产品开发和营销之间调整实验”

有时营销和工程部门想要做平行实验并遇到冲突。
更接近产品的人对业务的吸引力更大。
不同类型的公司：Tech First（Bing、LinkedIn）、Second（Booking.com、Grubhub）、Third（丝芙兰、Target）。
根据业务类型，您有不同之处：
- 优化。如果没有实验工具，该功能将不存在；实验设计可以发生在冲刺周期之外。
- 验证。无论实验如何，该功能都会存在；实验设计是开发周期的一部分。
Snapchat 的重大重新设计在用户评论中受到了 83% 的抨击——这是基于验证的流程本可以避免的灾难的一个例子。
页面速度杀死。优化是否将转化率降低了 5% 或更多？客户端实验技术无法将延迟增加小于 1000 毫秒。每 100 毫秒延迟会导致 RPV 降低 0.5%。
成功的步骤：
- 了解您当前的结构：优化或验证。
- 找出您的覆盖范围不足的地方。是否跟踪投资回报率？产品是否附带实验？
- 弥合人员、部门之间的差距——为项目指标制定共同目标。
- 建立一个共享结果和开展联合项目的论坛（全球项目层面的结果，而不是个别测试）。
- 每月召开会议，一致地审查指标并解决对立的力量。

Natasha Wahid：“如何让你的整个组织对实验充满热情”

文化是成功实验的一个因素。看这个场景：
- 一位女性优化冠军开始从每个人那里寻找想法进行实验。
- 她有很多想法，但因为她是一个单人秀，所以她被雪藏了。
- 一段时间后，它变成了一个笑话——一个让想法消亡的地方。
我们如何做得更好？
- 启发——火花。激发人们采取行动的动力。
- 教育——培训。正式或非正式。
- 告知——交流知识、行动。
核心团队拥有该程序。他们专注于获得高管的支持和建立动力。
前任。使者
- Michelle 强调了公司没有优化其核心漏斗所缺少的东西。
- 招聘了一名首席工程师和一名设计师。他们还从外部机构引进了一个有利的合作伙伴。
- 每个人都可以看到实验的影响。工程师立即对获胜的变体进行了硬编码。
前任。正方形
- 知名度最高的产品团队之一经历了一次失败的重新设计。
- 举办研讨会，重点是围绕实验改变人们的思维方式。
- 专注于促进协作，询问团队是否有可能与当前团队相关的其他实验的见解。
RACI型号：
- R——负责——做实际工作；
- A – 负责 – 项目所有者；
- C – 顾问 – 提供有关管理过程的信息；
- I – 信息 – 只需要随时了解情况的人。
RACI 通信示例：
- 拥有者：实验冠军；
- 消息：X 实验已经启动；
- 通道：Slack 通知；
- 受众：工程团队；
- 计时：在工具中启动实验时自动进行。

结论

这篇文章是 21 个半小时的会议，浓缩成不到 5,000 字。如果您想要完整的体验——无论是在会议内部还是外部——您只需到场即可。

好消息？你不需要等待一整年。 6 月 13 日至 15 日在爱沙尼亚参加数字精英营。