强有力的假设应该清楚地说明您正在测试的内容以及您期望的结果。例如，在测试电子邮件主题行时，您的假设可能是：“与没有动作动词的主题行相比，在主题行中使用动作动词将使电子邮件的打开率至少提高 10%。”
另一个关键步骤是在测试开始前确定置信度。大多数测试使用 95% 的置信度，这确保结果在统计上可靠，而不是随机的。
这种结构化方法使您更容易解释结果并采取有意义的行动。
3. 确定要测试的内容后，就可以开始收集数据了。由于此测试的目的是确定哪个主题行在未来的广告活动中表现更好，因此您需要选择合适的样本量。
对于电子邮件，这可能意味着将您的列表分成随机样本组并向每个组发送不同的主题行变体。
例如，如果您正在测试两个主题行，请均匀且随机地划分您的列表，以确保两组具有可比性。
确定正确的样本量可能很棘手，因为它会随着每次测试而变化。一个好的经 兼职数据 验法则是，针对每次变化，期望值应大于 5。
这有助于确保您的结果在统计上有效。（我将在下文介绍如何计算预期值。）
4. 计算卡方结果。
在研究如何分析我们的电子邮件测试结果时，我发现虽然有几种可用的统计测试，但卡方检验特别适合像我们这样的 A/B 测试场景。