对于许多小型企业来说，2,800 次访问量意味着着陆页的流量相当于数年。需要大量数据才能确保数据准确无误。
让我们用对小型企业来说更合理的流量数字来看一下。如果您的着陆页的 A 和 B 版本分别收到 100 次访问，并且版本 A 收到 2 次转化，而版本 B 收到 3 次转化，那么您只能 67% 地确定版本 B 是效果更好的页面。
统计显著性
。考虑到统计学家的目标是 90-95% 的统 德国手机号 显著性，你没有足够的数据来对着陆页做出明智的决定。
问题 2——瞄准局部最大值
在数学函数中，全局最大值是函数在整个范围内达到的最高值。局部最大值是函数在有限范围内达到的最高值。
全局最大值
在 A/B 测试方面，全局最大值是最佳着陆页，而局部最大值则是现有着陆页的更好版本。当您开始对标题、号召性用语或按钮颜色等小变化进行 A/B 测试时，您会朝着着陆页的局部最大值的方向前进，但您可能会错过与现有着陆页截然不同的更好的页面。
这就像走在街上寻找吃饭的地方。你可能会走到街上最好的餐馆，但你可能不会在城里最好的餐馆吃饭。
那我该怎么办？
如果您正在开展一项流量有限的活动，与其花时间进行 A/B 测试，不如将精力投入到构建最佳着陆页上。花时间思考您要解决的痛点以及如何利用这一点来吸引受众的注意力。写一个强有力的号召性用语，以促使访问者进行转化。
然后，让该页面与广告系列一起运行几个月。如果在那之后你觉得该页面表现不佳，请从头开始，构建一个与原始页面完全不同的全新着陆页。这将让你有更好的机会找到全局最大值，而不是 A/B 测试，后者可能需要数月或数年才能收集到足够的数据。
请记住，着陆页并不总是导致您的广告系列效果不佳的原因。在创建新的着陆页之前，请花时间分析广告系列的其他方面。您的广告是否需要重写？您的电子邮件是否需要重新设计？在构建全新页面之前，您可能会找到更简单的解决方案。