Contents
使用 Google Optimize 針對一頁式網站做 A/B 測試
前面我們列舉了分析一頁式網站的幾個面向，這些是所謂的「觀察資料」，透過這些觀察資料，我們可以建立「可操縱的假設」：
因為有播放 YouTube 影片的工作階段，轉換率會提高，因此把 YouTube 影片放在使用者方便播放的位置，能夠改善頁面的轉換率。
但在未知改變的結果下，要如何去了解改變後可能帶來的影響？這就是 A/B 測試出場的時候了。市面上有很多 A/B 測試的工具，但大多需要付費，因此我們這邊建議可以先透過免費的 Google Optimize 作為初次測試的工具。
事前準備
要開始使用 Google Optimize 前，你需要有以下的事前準備：
- 你需要擁有 Google Optimize 容器的發佈權限
- 你需要擁有通用 Google Analytics 資源的編輯權限 (截至 2021/1 還不支援 GA4 的整合)
- 你需要安裝代碼的權限，例如 Google Tag Manager 或編輯網站原始碼的權限
- 你需要有基本的 HTML 與 CSS 常識
設定你的第一個 Google Optimize 實驗
首先，你需要進入 Google Optimize 建立一個容器。
接著，選擇你要結合的 Google Analytics 資源。
將 Google Optimize 的容器代碼透過 GTM 或編輯原始碼的方式安裝在頁面上。如果你是透過 GTM 安裝，請參照官方說明文件的最佳做法：Google Optimize 的代碼不設觸發條件、在 Google Analytics 的代碼 [進階設定] 的 [代碼觸發順序] 中，在 GA 觸發前先觸發 Google Optimize 代碼。
當代碼安裝完畢後，回到 Google Optimize 建立一個新的體驗。
檢查是否能夠偵測到容器。
點選 [新增變化版本]，透過頁面編輯器，修改 HTML 與 CSS 代碼，更改頁面樣式。這時 Google 會提醒你需要安裝擴充功能，請按照其步驟安裝。
選定要測試的目標、排程後，便可以發布你的實驗。
等時間到了以後，便可以根據 Google Optimize 的結果，判斷是否符合一開始的假設。
如何判斷 Google Optimize 的結果
Google Optimize 會根據測試目標的轉換率，提供幾種結果，一般來說，只要沒有顯著的差異，都沒有辦法證明改變會比較好。
那要多少樣本才能得出有用的實驗結果呢？
我們用下面的網站資料為例好了：
某網站過去的整體轉換率是 3%，因為使用 Facebook 的 1% 類似受眾，因此潛在受眾有 200,000 人。
有了這樣的資訊，我們可以透過線上工具來計算樣本規模。
以 Survey Monkey 的計算工具為例，某網站過去平均的轉換率是 3%，我們可以容許 1% 的差距 (Confidence Interval) (2%-4%)。因為使用 Facebook 1% 的類似受眾，因此我們的潛在目標受眾有 200,000 人 (Population)。
透過計算器，在 95% 的信心水準下，我們需要 9,164 個樣本，因此在測試時，我們便會以 9,164 工作階段為判斷的基準，如果沒有超過 9,164 的工作階段前，我們都不應該輕易論斷實驗結果。
關於統計的相關討論並不是這次的重點，這邊只是說明可以如何透過這種工具，預估需要的樣本數。
結語
本篇文章是一頁式系列的第三篇文章，旨在說明評估一頁式網站的兩種方式。這兩種方式並沒有優劣，在評估網站成效時，都是相當重要的環節。一般來說，我們會透過觀察性的分析，提出基本的假設，並用實驗型的分析去驗證我們提出的假設。
如果針對一頁式網站的分析有任何疑問，隨時歡迎與 applemint 聯繫，也可以透過 LINE 的方式，與我們詢問關於評估一頁式網站的各種問題。
從這裡聯絡 applemint！
