做a/btesting有一个非常重要的原则，就是单变量分析。
其实这不仅用在a/btesting，而是放诸四海皆准的方法论。简单的说就是每次只考虑一个可能产生影响，导致结果不同的原因，进行尽可能定量的测试分析。准确定位一个因素进行改进，避免胡子眉毛一把抓。
比如说，核心任务和指标是提高某个页面上购买按钮的点击跳转率。思考的线索首先是要将可能对点击动作产生影响的因子逐一罗列，例如：按钮大小、按钮位置、按钮颜色、按钮文案……，要进行更准确测试优化，不是一下子四个变量都调整然后得出结论，而是每次只调整一个变量进行对比。例如只改变一下文案，看看仅仅是文案变得更友好或更有诱惑力是否就能对用户产生影响，提高点击率。比较经典的一个案例就是airbnb仅仅是将心愿列表的“星”型图标改成“心”型，就将这个功能的使用率提高了30%
你或许会说，这多麻烦啊，一下子都变了岂不是更好，影响更大？请记住我们的目的，是要更精准准确的定位原因，提供有依据、可落地执行改进、没有借口的方案。
什么叫做没有借口？就是不模糊，不是分析解决问题的时候只会用“可能”，可能是a有效，可能是b不对，可能是c有影响……可能来可能去最后的结果就是没有办法准确的定位，没办法定位就没办法的提供切实可行的解决方案，逐一突破。
不能解决不能有结果和效果，所有分析和理由都是屁，都是糊涂的脑子和退缩的借口。
为什么说这是普适的方法论？好比餐厅去做服务优化，最有效的方法，不是一下子全面优化，而是单点测试单点优化，比如先只是提高一下服务员的微笑看看用户满意度变化，再测试看看桌面放一个小玩意看用户的互动，再研发一个爆品看用户的反馈，一个因素一个因素的测试分析和改进……
同样的，一个人要养成好习惯也是，比如减肥，无外乎就是入和出，管住嘴和迈开腿两个大变量可以分别又拆成很多小变量。一个个变量一个变量的测试，从晚上少吃一口开始。
两个人情感纠葛也一样，不要说这原因那原因，综合因素，困顿不堪。就一个个原因刨开来，一个个改善和解决，办法总比问题多。
道理很简单，不是我们想找退缩的借口，而是大脑自动的选择，理由和可能性一多，恐惧和挫败感就增强，行动的动力就会减弱。
大家都知道考试时，有一个技巧叫做排除法，选择题一定是要做的，不能直接确定，就一个个的排除。单变量的测试改进就是正向的排除法。
少即是多。
目的就是一个：目标清晰，拿下！单点爆破，逐一爆破，没有理由！
掌门 艾老师
2015年1月21日晨
