科技猎设计师如何通过AB test，让运营无话可说？
因为职业的不同，审美的不同，在交付设计稿的时候，总会被要求反复修改，有时候甚至觉得修改的地方让人不可思议。那么，面对这种情况，设计师应该如何处理呢？也许你可以试试AB test。
“xx，banner这里再改一下，要有大气的感觉……”
“xx，这个字再放大一点，颜色不好看……”
“xx，再改下吧，感觉太乱了……”
每天面对需求方的各种“无理”要求，刚入行做运营设计的我，天空飘的一直是那朵乌云……
特别是遇到灰常强势的运营大佬，还敢怒不敢言…心里一万句NNP，手上还得改改改！
改图改到万分沮丧，甚至开始怀疑人生……
有时会想不就是一个banner吗？
怎么就这么难呢？怎么就这么难呢？ ？ 怎么就这么难呢？？！！！
后面在我做到第1000个banner时， 终于反思，再也不能这样做！我要拿回设计师的主动权！
首先是为什么运营总让我改，为什么他总要说感觉不行，为什么他不让开发去改代码？不让老板去改决定？却总是盯着这么一个小banner， 让我改来改去改去改来，改到鼠标都抽筋，电脑都抽风！
通过一段时间的观察，我发现原来运营这傻X他不会开发，看不懂那密密麻麻红红绿绿的代码，自然就没法指指点点。
而且只要一听开发说这个做不到，那个风险大，就立马哈巴腰地说回去再想想。
然后…然后…然后！
鬼都知道他这想想就是改设计！改设计！
更让人不爽的是，他没法改变老板的决定，结果自然也改设计！ 天呢！为什么受伤的总是设计师。
终于！我从运营同学与设计师身上找到了两个原因。
一、人人皆有审美
首先是作为人，作为万物灵长的人类，不管这个人长得美丑如何、能力如何、人品如何，他可能不会认为自己有写代码的天赋，也可能不会认为自己有做老板的天赋。但他一定会觉得他有审美的天赋，且品味应该还不错，甚至是认为自己审美无敌。
所以他没法评价开发代码写得好坏，也没法左右老板的决定，但他一定会对设计提出他对美的要求。
提出他对美的各种要求！！
所以如果你不幸选择设计这个行业， 那就一定要练就能够包容他人之审美的心胸。 要把某些运营的审美当婴儿一样对待，谆谆善诱循循引导。
二、设计师的不作为
其次是作为设计师的我们，居然也要负一些不作为的责任。
可以想象一下工作中当我们遇到被指点江山的情形时，通常做的不是如何找方法去佐证自己的观点，也不是虚心分析运营同学为什么会这么说，而是抱怨！
抱怨运营变来变去，抱怨运营是傻X，抱怨运营能力不行，抱怨运营不懂设计还瞎指挥…所谓怨妇型设计师。
但扪心自问，就算作为设计师的我们，就算懂设计， 但又能懂多少呢？又能比运营同学多懂多少呢？
难道就因为是设计师，所以我们的审美就一定比对方高吗？我们的想法就一定比对方好吗？关于项目的实际结果我们比对方更能负责吗？
当然不能！
所以当我们没有理由说明这是好的，没有办法证明这是对的，同时又不能为结果负责的时候。那么，运营同学为什么要听你的！
只有运营同学才是直接对结果负责的人！无论项目成与败，对于错，对于设计师来说，这都可以算是你的作品。但对运营同学来说，这直接关系到他的KPI，直接影响他所背的指标，甚至直接决定他的业绩。
所以我们自然要接受他对设计提出的种种想法和建议。
但，难道要一直这样憋屈吗？难道要一直这样被动吗？难道要一直这样不作为吗？
NO！有一种方法叫AB-Test。
即在设计过程中，制作AB或多个方案，在同一时间维度下，分别让组成成分相同或相似的访客群随机访问这些版本，并收集各访客群组的数据，进行分析和评估出最优版本，然后采用。
AB-Test注意事项：
- 保证做AB的方案只有一点不同，比如一个button是绿色，一个是红色，但其它都要一致，不然就不好确定是哪个点影响了AB测试的结果；
- 保证两个方案同一时间上线；
- 访客的属性一定是相似或相同的，且流量一定是平均分配到2个版本上。
鉴于以上与运营同学种种的相爱相杀，我决定对一直频繁要修改设计的banner做AB-Test。
我想验证在我与运营之间，到底谁才是真的九阴真经，到底谁才是真的武林至尊，华山论剑，到底谁会更胜一筹。
说做就做，测试模块是APP首页的主banner，这里的流量最大，测试结果也更具说明性。具体位置如下：
确定好位置，接下来组内讨论先确定了4个测试点。
（1）关于是否要有button
在做banner的过程中，有时运营给的文案相对偏少，然后我一般会建议再增加个button，提示用户点击，效果会更好一些。
可运营同学呢，who care？心情好的时候要放就放吧。心情不好的时候，就反问能提高多少点击？提升多少效果？
这不是怂我嘛，我只是出于好心建议，但具体能提高多少，我母鸡啊。
所以我就针对banner上是否有button这个点进行了AB-Test。
我想知道到底是有button好，还是没有好，如果是有button好，那到底会好多少？
测试数据如下：
从数据来看：
- 有button的banner点击数更高；
- 且商品详情页的订单数更多；
- 相应的销售额也更多。
而且从第一个活动的数据中，可以发现PV点击率，有button的方案相比无button的仅高出0.01%，UV点击率仅高出0.02%， 可就是这0.01%、0.02%的差值，却多带来了几百个订单，销售额也相应增加了几千块。
看到这个数据，心里好像有一些获胜的快感，但更多的是释然！
必定有些时候当运营要加button的时候，我又嫌内容太多……争来争去。 原来我争的是方寸之间，而运营争的是那0.01%、0.02%的结果。
运营并非真的是对设计不满意，而是他自己也不晓得如何做才能效果最好。
在大家能力都相差不大，而我又无法证明这是对的时候，作为运营同学，他就会更倾向于听从自己已有的经验。
必定谁也不会把宝压在不信任的人身上。而且他还要为项目的结果直接负责，所以才会让设计师按照他认为可以带来好结果的要求去改。
而设计师呢，也并不是对运营有意见，设计师在期望项目结果好的前提下，首先要保证设计的美观度和合理性。当时间紧张，这两者发生冲突的时候便陷入了你是我非的纠结和争论中。但因为设计师不直接对项目结果负责，同时又没有可信性的经验，所以最终就听运营的了。
而AB-Test则可告诉我们什么样的是好的，什么样的是不好的。既然有方法去确定，那当然就不用再进行争论。
所以在看到数据的那一刻，我与运营就和解了。
原来你没那么强，我也没那么弱。
那为什么有button的点击效果会好一些呢？
在心理学上有一种叫“暗示效应”，指在无对抗的条件下，用含蓄、抽象诱导的间接方法对人们的心理和行为产生影响，从而诱导人们按照一定的方式去行动或接受一定的意见，使其思想、行为与暗示者期望的目标相符合。
我们把它移接在用户体验上，就是在用户浏览网站或使用APP时，在他没有防备的情况下，用一些比如查看详情、立即报名、去看看、领优惠等暗含行为动作的词，对用户形成一种心理暗示，从而引导促成用户的点击行为，即而达到我们的期望目标。
所以建议在做banner时，可以增加引导用户点击的button，以达到数据转化的最大化。
这是测试的第一个点。
（2）关于button的位置
在第一个测试点中，我们知道了有button的方案数据效果是好的。
那么问题又双来了，这个button是放在左侧更好一些，还是放在右侧更好一些呢？
于是我们针对button的位置又做了AB-Test。
得出的数据如下：
从数据看：
button在左侧的效果会比较好，因为我们一般的浏览习惯是从左到右的，在左侧，可让用户更高效的快速扫描。
这是第二个测试点。
（3）关于主题文案的位置
确定了button，也确定了button的位置。
问题又双叒来了，关乎banner最重要的主题文案是放在哪个位置比较好呢？是左侧？是右侧？还是中间？对数据又将会产生什么样的影响呢？
于是针对主题文案的位置又做了AB-Test。
考虑到人的浏览习惯一般是从左到右的，所以这里没有做居右的测试，当然后面有机会也可以尝试一下。
得出的数据如下：
从数据看：
文案的位置与button的位置一样，同样是居左的效果更好。
这是做的第三个测试点。
第四：关于整体内容的位置
虽然测了button和文案，但是分别测的，没有放到一起去做整体的测试。我能说明button居左的效果好，能说明文案居左的效果好，但当文案与button都居左的时候，效果就一定也是好的吗？
所以问题又双叒叕来了，即主题文案与button都在左侧效果更好？还是都在右侧效果更好？或是中间效果更好呢？
于是针对整体内容又做了AB-Test。
然后数据如下：
从数据看：
无论是单独测button，还是单独测文案，还是整体测，最终得出的结果均是居左的点击效果最好。
即这样版式的banner点击效果最好！
所以经过一轮一轮的AB-Test，就积累了很多数据的经验。
以前与运营各自都无法证明，谁也瞧不上谁。但有了数据的支撑，我们就再也不用听运营指挥这里改改那里改改了，运营也再不用担心设计师做得不好了。
而是依据数据，用数据来指导设计。数据让双方不再各执一词，各执己见，而是相互信任，相互认可。
而设计也不止于美丑，如果一个设计只是做得漂亮，但数据了了，那么我也不太会认为这是一个好的设计。所以仅凭美与不美来衡量设计的好坏是极不科学的，对设计师特别是体验设计师来说也是一件非常不负责任的事情。
所以如果有可能，尽量多争取做一些AB-Test。
凭感觉做设计可以，但我们更要用数据来指导设计。数据就如同探险家在野外的指南针一样，当我们陷入无休止的争论，谁也说服不了谁时，它可以给我们指引方向。
且通过测试的最优结果，可以生产一批与最优结果相同或相近的模板。后面再有类似需求时，完全可以用模板解决，即高效，数据转化又好，可谓是低投入高产出。
最后说明
（1）以上几点在不同的工作中均做过测试，特别是在电商行业，结果均是类似的（另：由于数据都属保密性内容，所以上面图中均为处理后的数据）。
但不代表所有行业都如此，所以大家所在的环境如果有机会，也可以多尝试AB-Test。而且关于banner的测试点还有很多，比如字体的类型、背景的颜色、是否放人物照片等都可以尝试。
（2）测试本身也会有一定的时效性，一个测试结果，并不代表以后所有的需求都这样做。所以要阶段性持续性地去做。
（3）在小团队可能因为开发资源有限，没有机会做测试。或可尝试一下人工测试法。即设计2个方案，把公司里的同事分成具有相同或相似属性的两部分，让他们分别看不同版本的设计方案，然后凭直觉对其进行点击欲望或其它方面的打分。
最终汇总总分，采用最高分方案。但此方法主观性会比较强，所以结果也仅做参考。
（4）数据释义：
PV：Page View，即页面浏览量，用户每次对网站中的一个页面的请求或访问均被记录1个PV，对同一页面的多次访问，pv累加。例如，某页面被一个用户访问了5次，pv就+5。
UV：Unique View，即独立访客，访问网站的一台电脑客户端为一个访客，在同一天内即使多次访问，但只被计算1次。
PV点击数：即banner被点击的次数，重复点击也算，例如，某banner被一个用户点了5次，PV点击数+5。
UV点击数：是独立访客点击banner的次数，同一天内同一电脑客户端的访客重复点击，只计算1次。
本文@林林 原创发布于人人都是产品经理，未经许可，不得转载。
题图来自Unsplash，基于CC0协议