作為産品經理的你，一旦确定了你的試驗目标和想要優化的kpi後，下一步要優先考慮的就是測試什麼。
通常我們經常揮舞着拳頭拍着胸脯說“you can test anything!”,但是并不意味着所有的一切都需要測試，或者說我們需要找到一個适合開始的地方來測試。
通常，google analytics會提供大量的資料，從資料我們可以發現一些問題，但是若要這些資料變得更有價值，a/b測試才是真正能帶來最大收益的關鍵。
是以，基于資料的優先化測試 - 它将是産品經理為測試排序優先級的最寶貴資源。
通常你會認為你的首頁是你網站中最重要的區域。
但是當你檢視google analytics（分析）的“目标網頁”報告時，你可能會看到許多不同的網頁獲得入口，有些甚至超過了你的首頁。
當你把使用相同模闆的所有網頁的流量相加在一起後，你會發現你得到了比網站首頁還要多的流量。是以如果你需要确定測試站點範圍模闆布局的機會時，就可以檢視模闆級别上的資料。
優先考慮那些存在最大提升潛力的頁面
首先查找到那些效果極為不佳的網頁。你的資料可以幫助你找到一些明顯存在問題的頁面，比如高跳出率的頁面，但是有一些問題就表現的并不是那麼明顯。
如果你的問題是結算過程中購物車的放棄率過高，那麼像ga這樣的統計工具無法告訴你真正的原因，比如它不能幫助你發現你的通路者之是以放棄是因為很難從其他頁面找到運費資訊，是以他們才會繼續走到結算流程看是否能找到他們想要的運費資訊。
是以這個時候，你如果隻是優化購物車的視圖，那可能無法解決問題—你還需要檢視你的産品和類别頁面。
當你隻檢視一個頁面的資料時，你的資訊來源中的任何一個都不會幫你找到a/b測試的機會，這個時候最好同時看幾個頁面。
高退出率的頁面—這是使用者在離開你的網站前看到的最後一個頁面，在ga它會顯示在檢視網頁後立即離開網站的通路者的百分比。高退出率的頁面可以識别問題所在。
轉化漏鬥由兩部分組成：頂部漏鬥和底部漏鬥。我們也可以把頂部漏鬥叫做說服端，底部漏鬥叫做事務端。
頂部漏鬥包括使用者最常通路的頁面比如首頁，類别頁面，産品頁面。這些頁面和區域是消費者對你的産品和服務最感興趣的地方；底部漏鬥是轉化發生的地方—訪客購買産品，注冊并與你取得聯系。
到目前為止，我們看過的大多數資料都集中在頂部漏鬥，但是顯然我們也要關注底部漏鬥的轉化。
檢視下面管道的跳出率：
ga的管道分析側重對底部漏鬥的轉化分析。如果你正确的設定了管道，你可以從中獲得有價值的測試資訊。
例如，檢視上圖管道中突然下降的drop-off rates，如果結算區域隻有18%的流量從步驟2進行到步驟3，那麼在步驟2中就遇到了問題，找到出現的問題後，你應該問問自己為什麼會出現這樣的問題：
1、訪客在這個頁面在尋找什麼資訊？ 2、有什麼東西阻止了他們在網頁上采取行動嗎？ 3、他們期望在這個頁面上看到什麼資訊？ 4、這些訪客是從哪裡過來的？ 5、他們沒有足夠的動力繼續走下去嗎？
以上這些問題的答案都可以通過試驗來測試和驗證你的想法。
當我們像上述講述的那樣定位到問題後，我們産生了幾種不同的想法。現在我們就可以基于價值和成本來确定測試想法的優先級。
從高價值，低成本的測試想法開始。針對這種情況的一個例子就是測試結算頁面中的相關區域或者變量，通常這個結算頁面比它之前轉化漏鬥中的頁面的放棄率都高。
優先測試重要的頁面。你的使用者最常通路的頁面以及最熱門的頁面也是用于測試的最重要的頁面。你可能已經發現了有些頁面的效果遠不及你之前預期的，但是如果他們沒有大量且高品質的流量，你暫時可以先把他往後排一排。
流量高的頁面最重要。你需要有較高流量的網頁才能在合理的時間内完成試驗。通常每月獨立訪客通路量超過30000的網頁就可以在幾周内達到統計顯著。
如果使用較低的流量，那可能就會需要較長的時間來運作，如果頁面的轉化率比較高，那可以相對縮短運作的時間。
是以高流量的頁面是首先考慮盡快安排測試的，你可以更快的進入下一個試驗，這将加速你的優化疊代的過程。
費用高昂的頁面。在兩個具有相似流量的頁面之間進行選擇時，可以選擇流量費用最高的頁面來優先測試，以獲得更好的投資回報率。
使用pxl優先級架構
conversionxl建立了自己的試驗想法優先級模型，試圖讓使用者盡可能多地排除主觀性，它是基于将資料帶到表中的必要性。這個模型被稱為pxl，看起來像這樣：
（點選文末cxl部落格連結即可獲得電子表格模闆副本）
這個pxl架構不是幫我們猜測試驗可能産生什麼影響，而是要求我們提出一系列我們認為重要的問題，進而幫助我們給衆多的測試想法進行優先級排序。
比如圖示中第一列，羅列了三個試驗想法：
1、重新組織并重寫遊覽頁面上的文案 2、颠倒首頁内容塊的順序 3、增加移動端主體文案的字型大小
如果你無法同時讓三個或者更多的測試想法同時進行試驗，那麼需要排列順序。你需要問自己這樣幾個問題：
1、更改是否在首位區域？→頁面中折疊區域以上的内容的變化能被更多的人注意到，是以增加了測試具有影響的可能性。
2、看使用者響應時長在5秒内變化是否明顯？→借助a/b測試，讓一組使用者看到原始版本，另一組看到測試版本，然後跟蹤使用者看到差異後5秒内有沒有做響應？如果沒有，這個改變可能有較少的影響。
3、它是添加還是删除任何東西？→更大的變化比如消除幹擾或添加關鍵資訊往往會帶來更大的影響。
4、它能夠刺激和提升使用者的動機？
5、試驗是否在高流量頁面上運作？→在高流量頁面上的優化改進會産生更多的變現機會。
還有一些變量特别要求您将資料帶到表中以确定您的假設的優先級。
6、它是否解決了通過使用者測試發現的問題？
7、它是否解決了通過定性資料回報（調查，民意調查，訪談）發現的問題？
8、它是否支援滑鼠跟蹤或眼動跟蹤熱圖的假設？
9、它是通過數字分析找到的見解嗎？
将這四個問題帶入到每周的試驗讨論會中，可以避免每個人隻是依賴主觀意見來排序試驗想法。
還有根據估計的時間通過包圍答案易于實施的限制。理想情況下，您可以讓測試開發人員參與優先級讨論。
根據權重系數為測試想法打分
這是一個二進制的比例 - 你必須選擇一個或另一個。是以對于大多數變量（除非另有說明），産品經理可以選擇0或1。
同時，某些變量也被權重，因為它們的重要性 - 變化是多麼明顯，如果添加/删除某些内容，且易于實作。是以在這些變量上，我們具體說明事情如何變化。例如，在“變化的可察覺性”變量上，您可以将其标記為2或0；或者在“實施的難易程度”上，可以标記2或0。
原文釋出時間為：2017-04-20
本文來自雲栖社群合作夥伴“大資料文摘”，了解相關資訊可以關注“bigdatadigest”微信公衆号