亚马逊A/B测试实操：主图、标题和A+怎么科学地比出高下

详情页改不改、主图换不换，大部分卖家是靠拍脑袋决定的。要么是老板觉得新版好看就换了，要么是看了一篇教程说主图要加文字就全店换一遍。换完之后销量涨了还好，跌了也不知道是换图的原因还是市场的原因。亚马逊其实给了个免费工具叫"管理您的实验"，能做真正的对照实验。这篇讲讲怎么用它，以及怎么解读结果——后面这一步比开实验更重要。

一、先搞清楚能测什么，别拿测不了的东西折腾

这个工具目前支持测试的对象有限，主要是主图、标题、A+页面内容，还有部分品类的五点描述。价格、评价数、配送方式这些是测不了的，也不要指望用它测广告。

你一次只能测一个变量。比如测主图，那么标题、价格、A+都要保持不变，变了就分不清是谁起的作用。很多人同时改主图和标题，跑完发现转化率涨了，但其实不知道该归功于谁，下次还是没经验可积累。

还有一点，实验期间不要动别的东西。不要同时开广告、不要调价、不要报秒杀。这些外部变量一进来，实验数据就废了。

顺带说一句为什么要做实验而不是直接改。直接改的风险在于，listing的转化受季节、竞品、广告状态影响很大，你换了主图那周正好竞品断货，销量涨了，你会误以为是图的功劳。实验的价值就是把这些外部因素平均掉，让你看到变量本身的净效果。

二、准入条件和基本要求

要用这个功能，ASIN必须完成品牌备案，这是硬门槛。另外，这个ASIN需要有一定的流量基数，流量太小跑不出统计显著的结果。

实际上我建议日均访问量至少在两百以上的listing才做实验。低于这个数，就算实验跑满周期，置信度也很低，结论不可信。

实验周期可以自己设，一般四周到八周。系统会根据你的流量自动估算需要的时长，我一般按系统建议的上限来跑，宁可慢一点也别提前结束。

还有两个限制要提前知道。一是同一时间能并行运行的实验数量有限，品牌下同时跑太多会被排队，所以要把实验排进季度计划里，别想到什么测什么。二是子账号需要单独开通权限，很多团队是运营有权限但主管看不到结果，开权限这件事要提前处理。

三、实验设计：变量要单一，对比要公平

设计实验的时候，两个版本之间的差异要足够明显才有意义。主图测试里，改一个配色、挪一下产品位置这种微调，跑出来的差异通常淹没在噪声里。

值得测的差异是结构性的：白底图 vs 场景图、单品图 vs 带配件图、有文字标注 vs 无文字标注、横构图 vs 竖构图。这些差异才可能带来百分之几甚至十几的转化率变化。

标题测试类似，值得测的是关键词顺序、是否带品牌名、是否突出规格参数。A+页面测试则主要是模块顺序和图文比例。

流量分配是随机的，按会话而不是按用户分配，所以同一个买家两次访问可能看到不同的版本。这会造成一点体验上的不一致，但平台允许。实验期间不要自己去刷，也不要让团队同事反复打开链接看效果，这些访问都会计入数据，把结果搅浑。

四、结果怎么看：置信度比涨跌数字重要

跑完之后后台会给出两组数据：两个版本各自的转化率，以及一个置信度水平。很多人只盯转化率差了多少，忽略置信度，这是最容易出错的地方。

置信度低于百分之九十的结果，我一律当作没有结论。也就是说，两个版本实际可能没差别，你看到的差异只是随机波动。这种情况要么延长实验周期，要么换个变量重测。

还有一个指标是"预期影响"，也就是如果全量切到胜出版本，预计能带来多少额外订单。这个数字会换算成具体的单量，比百分比直观，做决策的时候用它更方便。

统计显著和业务显著是两件事。有些实验跑满周期，置信度到了百分之九十五，但转化率只差百分之零点三，这种结果虽然显著，实际意义不大，切换的成本还不如收益。我给自己定的门槛是转化率相对提升至少百分之三才值得切换。

五、主图测试的几个实测结论

跑了几十次实验之后，我总结出几条经验，但要注意这不是铁律，不同品类差别很大。

低客单价的标品，白底主图的转化通常略好，因为用户就是来找这个东西的，不需要氛围。高客单价或者非标品，场景图往往更好，用户需要想象它放在家里的样子。

带文字标注的主图在移动端有优势，因为手机屏幕上产品占比小，文字能快速传递卖点。但在PC端反而显得杂乱。如果你七成流量来自手机，值得测一下。

主图视频这两年也可以测。视频主图在部分品类上转化明显更好，尤其是需要演示的产品。但视频加载会拖慢移动端页面，所以如果测出转化没提升甚至略降，也不要意外。测视频的时候记得同时看停留时长这个辅助指标。

六、测完之后要落地和积累

实验跑出结论之后，系统可以自动把胜出版本设为主版本，也可以手动切换。建议手动，切换前再看一眼数据。

更重要的是把结论记下来。建一张表，记录每个ASIN测过什么、结论是什么、置信度多少。积累一年之后，你对自己品类里什么样的主图有效，会有一套别人没有的判断标准。

这些结论还能复用到新品上。下次上新不用再从头测，直接按已验证的规律来做首版主图，起点就比别人高。

失败的实验同样有价值。跑完发现两个版本没差别，说明这个变量对你这个品类不重要，下次就不用再花时间了。我记录实验结果的时候会专门记哪些变量测过且无效，这份负面清单能省下后面大量的重复劳动。