A / B 測試與 ROI：讓行銷成效用數字說話

行銷活動成不成功，不能靠感覺。我在 Coursera 修 Google 的行銷分析課時，印象最深的一句話是：分析與量測，是「希望活動有效」跟「用即時數據確保它有效」之間的差別。這篇把課程裡最實用的兩塊整理給你：怎麼算 ROI 與 ROAS，以及怎麼規劃一場可靠的 A / B 測試。

先懂兩個數字：ROI 與 ROAS

ROI（投資報酬率）衡量行銷活動賺到的利潤，算法是把活動期間的銷售成長減去行銷成本，再除以行銷成本。課程的例子：銷售成長 200,000 美元、行銷成本 55,000 美元，ROI 就是 145,000 除以 55,000，約 2.6。ROI 等於 1 是損益兩平點，數字越高越好。

ROAS（廣告投資報酬率）則是廣告帶來的收入除以廣告花費。實務上會先訂整體活動的 ROAS 目標，再往下拆到各通路。例如整體目標 5:1 時，搜尋廣告可能訂 3:1、多媒體廣告訂 4:1，各通路加總支撐整體目標。

ROAS 沒達標，可以先做四件事

• 拉長活動期間。轉換量測本來就有波動，課程建議累積至少 50 次轉換再評估 ROAS，不要太早下結論。
• 改按產品群組訂目標。整體 ROAS 達不到時，把目標拆到正式服與休閒服這類群組，量測會更貼近真實表現。
• 檢討目標本身。如果目標不是根據過往活動數據訂的，或利潤假設太樂觀，就用手上的新數據重訂一個務實的數字。
• 調整自動出價策略。只適用於自動化活動，但值得一試。

A / B 測試是什麼

A / B 測試（也叫分流測試）是一種線上實驗：把使用者隨機分成兩半，一半看到原始版本 A，一半看到變體 B，然後比較誰在你選定的指標上表現更好。課程舉的例子是會員招募廣告：一版搭名人代言、一版搭省錢優惠，測完發現優惠版帶來更多註冊。

一份測試計畫要寫什麼

課程強調，測試前最重要的產出是一句假設，它至少要講清楚三件事：你發現了什麼問題或洞察、你打算改什麼、你預期改了之後指標會怎麼變。範例：「因為我們發現使用者更常點擊信件上方的元素，我們預期把連結移到頂部，能讓開信點擊率提高 15%」。

寫不出有說服力的假設，通常代表你該先回去多收集數據。

變體的鐵則是一次只改一件事。如果 B 版同時改了連結位置、按鈕樣式和文案，就算贏了也不知道是誰的功勞。課程附的範本以一間旅館的 Google Ads 活動為例，欄位長這樣：

看懂結果的三個統計名詞

• 信心水準：95% 信心水準的意思是，同樣的測試重複 100 次，約 95 次會得到相似結果。Google Ads 的實驗預設就用 95%。
• 信賴區間：測試結果加減誤差範圍後的區間。例如兩版差 5%、誤差 2%，真實差距就落在 3% 到 7% 之間。
• 統計顯著：判斷結果是不是隨機造成的。Google Ads 會在統計顯著的變化旁標一顆藍色星號，看到星號才值得行動。

這也是為什麼測試至少要跑四週：樣本要夠大，也要涵蓋每週的自然銷售波動。如果測試期間剛好碰上促銷，就再跑久一點，別讓短期的異常行為決定長期的版本。

別急著什麼都測

測試要花時間和預算，小幅的文案微調直接改就好，值得測的是可能影響成效的關鍵改動。

上線前用這份清單自我檢查：只測一個變數、明確定義對照組與變體、確認同一頁面沒有其他測試在跑、兩個版本同時上線、跑滿足夠的時間，最後拿結果對照當初的目標再決定行動。