在产品迭代或运营优化策略上，聪明的团队总是会为同一个增长目标提供多个解决方案，如何择其一还能保证最终效果是**的，很多时候，就会用数据来辅助决策。这时候，AB测试就显得必不可少，对于这样的科学实践，方法论显得尤为重要，译文即为原作者总结的A/B测试的10条准则。

以下为译文：

规则一：抛弃固有的认知

很多时候，我们会基于用户的属性信息，特别是年龄，性别，地域或收入来认识他们，尽可能不要酱紫，曾经用户的信息是寻找目标用户的最佳方式（或唯一方式），的确，他现在也依然重要，但在线上市场，我们有了非常多的切入点去一对一去探索用户最真实需求的能力。

规则二：明确当前指标值

转化率优化是你急需着手的目标，但是，在进行高风险的A/B测试之前，需要提前确定一个基准线，如果不知道当前的转化率，又怎么能知道未来的测试是否成功呢？

规则三：别人的经验不一定适用于你

如果某一转化率优化策略适用于所有产品，那还有什么必要测试呢？这样的话，所有人只需要借（chao）鉴（xi）即可。其实，区别还是很大的。

假设A公司是卖鞋的电商平台，B公司是企业级服务的平台，很明显，就算他们有相同的客户，购买决策周期也完全不一样，对A公司而言，把购买按钮从红色换成绿色可能会带来15%的销量增长，But，放到B公司，却不一定有同样的结果。

规则四：尽可能保证变量唯一

当做AB测试时，一次测试只测试一个变量有助于让结果更有说服力。

规则五：在没达到置信水平时不要下结论

在AB测试中，统计置信是指当同一个测试再次被进行时，有同样结果的可能性。换句话说，是看你测试结果的确定性。

举例，假如你在做一项购物车页面的A/B测试，A代表使用单选按钮，B代表使用下拉菜单，假设B带来了75%的转化提升。那么，B方案胜出？

还真不一定，这里还有其他需要考虑的点：