數(shù)字化零售帶來了什么改變？先從2個案例來看。

近年快消行業(yè)冒出一個現(xiàn)象級品牌——元氣森林。2021年其營收預計要超過30億，新一輪估值近150億美元。而從0-30億，元氣森林只用了5年時間，并且每年持續(xù)保持三位數(shù)的增長。其核心便是突破傳統(tǒng)的市場模式，通過不斷研發(fā)新品，打差異化的概念，備受年輕消費者青睞。而其每次推出新品前，先會做大量A/B測試，從數(shù)百款產(chǎn)品中，最終確定推向市場的其中一兩款，使其成為爆款的概率大大提升。

再如我們接觸過的一家本土美妝品牌，每年營銷投放的費用占整體企業(yè)年支出超過60%，這是一個非常大的比例。它對營銷投放的精準性和轉(zhuǎn)化率要求就更高。而其通過A/B測試的方式可以不斷優(yōu)化營銷投放細節(jié)，能為其帶來更高的轉(zhuǎn)化率。

它們的背后都有A/B測試。事實上，有超80%的零售企業(yè)有意愿通過數(shù)字化轉(zhuǎn)型來實現(xiàn)新增長，而A/B測試能打開零售業(yè)增長的新窗口。

那么，憑什么說A/B測試是增長“神器”？

A/B測試，從互聯(lián)網(wǎng)到零售業(yè)

我們先說下A/B測試的起源，以前叫對照試驗。

大航海時代，出海的船員們有很大概率會患上壞血病，這成為一大長期難題。后來英國海軍醫(yī)生詹姆斯·林德發(fā)現(xiàn)了一個神奇的巧合——食譜中有柑橘類水果的船員患壞血病的幾率更低。他的做法是，把患病的12名船員們分成六組，給予不同水果，最后發(fā)現(xiàn)，橘子和青檸勝出。這就是不斷驗證假設(shè)，最后找到正確路徑的科學方法。

而互聯(lián)網(wǎng)的巨頭們，把這種方式進化成A/B測試。

比如Google每個月從上百個實驗中找到十幾個有效方案，這些實驗能為其帶來每月2%的營收提升，每年實現(xiàn)超10億美元的增收。電商平臺巨頭Amazon，不僅自己使用A/B測試優(yōu)化購物體驗，提升訂單轉(zhuǎn)化，還為平臺賣家提供了相關(guān)工具。

而國內(nèi)以字節(jié)跳動為代表，其從創(chuàng)立之初便開始使用A/B測試，累計實驗已經(jīng)超過80萬次，日增實驗1500+，試驗規(guī)模還在擴大。像抖音、今日頭條的命名都有它的功勞。

而放到零售行業(yè)，對照實驗也很早就有。比如當年百事可樂通過盲測讓消費者選擇更好喝的可樂， 57%的人選百事，43%的人選可口可樂，這使得百事一舉樹立了品牌形象。同樣寶潔公司很早就成立了消費者研究機構(gòu)，率先運用科學分析方法了解消費者需求，并通過洗發(fā)水產(chǎn)品成功打入中國市場。

到目前，傳統(tǒng)零售業(yè)仍有大量需要調(diào)研的項目，比如一款新品上市，都要經(jīng)過很多復雜的步驟，前期通過經(jīng)驗判斷市場趨勢—研發(fā)上百甚至上千種的樣本產(chǎn)品—內(nèi)部樣品測試/淘汰—小規(guī)模消費者調(diào)研測試—委托第三方調(diào)研機構(gòu)加大市場調(diào)研樣本—小量投入市場—反饋改進—大量投入市場。

我們觀察到，這種傳統(tǒng)的操作方式已經(jīng)不再適合當下的數(shù)字化零售企業(yè)，一是整個周期非常漫長，對于上新要求高的企業(yè)很難滿足；二是人工統(tǒng)計和調(diào)研人群樣本的精準度都會存在一定偏差，影響市場決策；三是涉及大量的人力，成本高。

而今天A/B測試已經(jīng)對接零售業(yè)應(yīng)用，特別是一些新興品牌和新品類的產(chǎn)品應(yīng)用。

我們?nèi)砸栽獨馍譃槔?，它走的是快速試錯的研發(fā)路子。據(jù)悉，其內(nèi)部平均一兩天就做一次飲品口味測試，然后快速調(diào)整，整個研發(fā)周期控制在3-6個月，快的時候只需要3個月。

同時，它會把經(jīng)過初步驗證的產(chǎn)品先通過電商平臺售賣，測試效果，通過后臺的數(shù)據(jù)指標來判斷一款新品是否達到了規(guī)模化的標準，然后再去線下渠道鋪開。這樣打造的爆款成功率高。比如其氣泡水、燃系列飲品，背后都有A/B測試的功勞。

這些新興品牌的成功打法，也讓傳統(tǒng)快消巨頭坐不住，和其正推0糖氣泡涼茶，娃哈哈、同仁堂等開始賣奶茶，這種對經(jīng)典口味的創(chuàng)新、業(yè)務(wù)的橫向延伸，更需要A/B測試做出科學的數(shù)據(jù)化決策，才不至于產(chǎn)生過高的試錯成本。

解密零售業(yè)A/B測試的成功路徑

那么，什么才是A/B測試的正解？

在零售業(yè)內(nèi)無論是新品開發(fā)還是營銷投放等，主要還是三個大階段，（新品/營銷）項目計劃—-小流量測試—-上市/大流量投入，而A/B測試其實就是第二階段，小流量測試。

當然企業(yè)自建A/B測試系統(tǒng)對技術(shù)能力要求太高，且費用昂貴。而成熟的第三方互聯(lián)網(wǎng)平臺的A/B測試工具，可以直接被企業(yè)應(yīng)用。比如A/B測試是字節(jié)跳動各業(yè)務(wù)線最常用的工具，這么多年積累了大量的實戰(zhàn)經(jīng)驗。2019年開始，字節(jié)跳動通過其旗下的企業(yè)級技術(shù)服務(wù)平臺火山引擎對外賦能，目前，A/B測試是火山引擎的拳頭產(chǎn)品之一。

目前，火山引擎A/B測試已經(jīng)形成一套完整的解決方案，各功能實驗模板已經(jīng)全面搭建完成，并且可以為商家輸出增長方法論。它已經(jīng)成為行業(yè)領(lǐng)先的測試工具。

對于零售商家而言，最重要的是要保證最終的落地效果。我們通過模擬試驗，總結(jié)出了A/B測試的成功路徑，主要就是5個步驟。我們結(jié)合新品上市的實驗來更好理解。

1、確定項目目標，要具體量化的數(shù)字。

做A/B測試本身是一項科學、嚴謹?shù)墓ぷ?，需要提出確定的參考指標及確切的目標數(shù)據(jù)。比如在雙11大促期間，電商品牌更關(guān)注GMV；品牌推新品測試時，更關(guān)注試銷的數(shù)量；也有企業(yè)推廣小程序商城，則重點關(guān)注拉新用戶數(shù)。

我們可以根據(jù)自身項目情況設(shè)定清晰的項目目標。比如一家快消企業(yè)需要推出一款新品類的產(chǎn)品，有兩個概念內(nèi)部都覺得很好，一個是0糖概念，一個是運動功能概念，但產(chǎn)品usp提煉的時候，要聚焦在一個點來打，這時做A/B測試項目目標的時候，可以設(shè)定規(guī)定時間內(nèi)，目標銷售完成10000份小樣產(chǎn)品（案例僅模擬示例）。

2、數(shù)字化假設(shè)模型構(gòu)建。

目標確定后，我們要構(gòu)建假設(shè)模型。假設(shè)模型就是將目標通過執(zhí)行指標分解量化，包括具體的銷售、時長、覆蓋實驗樣本量等。

比如假設(shè)同款產(chǎn)品推0糖概念要比推運動功能概念的消費者接受度高40%，也就是7:3，那么0糖概念的小樣銷售要達到7000份?？梢詫a(chǎn)品以兩種不同主打概念，設(shè)計成廣告落地頁，消費者可以通過領(lǐng)取優(yōu)惠券的形式，到商城購買小樣商品。初步計劃將廣告分別推送給10萬的同類準目標客戶群體，同時規(guī)定測試時長在7天。

3、小流量投放，效果測試。

實際操作過程中，有個非常關(guān)鍵的點，就是用戶樣本準確性，這就考驗流量和分流能力，不然一切都是假想。比如把年輕女性消費品類去面向男性用戶或年齡大的群體推送，得出的結(jié)論可想不精準或不具備代表性。

而火山引擎A/B測試是基于字節(jié)的流量優(yōu)勢和分流能力，這是它的一大核心競爭力。其之前已經(jīng)通過幾十萬次的實驗，上億流量的實驗驗證，能做出科學分流模型。

比如該飲料前期會鎖定客群特征，如針對一二三線城市20-29歲的年輕女性消費群為主。隨后將兩個概念的廣告落地頁，分批次推送給10萬的準目標客戶群體，每個階段實時監(jiān)測轉(zhuǎn)化效果。

4、多次假設(shè)，多次實驗。

測試過程中，需要不斷調(diào)整優(yōu)化模型，如未實現(xiàn)預期的目標，找到問題所在，調(diào)整再測試。

比如說假設(shè)模型的某個環(huán)節(jié)偏差，影響了最終結(jié)果。如果多次實驗，最終仍沒達到假設(shè)，那就證明預期與市場反應(yīng)是有偏差的。

如0糖概念的小樣銷售超過7000份，則可通過更大范圍試驗測試，證明最初的假設(shè)成立。

5、數(shù)據(jù)指導，找到最優(yōu)方案。

A/B測試最終要通過數(shù)據(jù)指導，不斷優(yōu)化完善模型。再通過市場初期驗證之后，做統(tǒng)計分析，產(chǎn)品上市的成功概率也能通過數(shù)據(jù)化預測。同時需要結(jié)合人性化的決策，得出最后的方案。

火山引擎A/B測試可以根據(jù)每次A/B測試全流程進行數(shù)據(jù)分析洞察，并最終給企業(yè)帶來數(shù)據(jù)驅(qū)動決策。

比如測試的數(shù)據(jù)都指向0糖概念更受消費者歡迎，那么產(chǎn)品就能大規(guī)模上市。這樣推向市場的產(chǎn)品成功概率要高很多。

上述5個步驟，實際上完成了一個企業(yè)做A/B測試的整體閉環(huán)路徑。

我們認為，A/B測試將在電商+實體/線上+線下的多場景、產(chǎn)品全生命周期管理、營銷推廣等不同階段、不同環(huán)節(jié)實現(xiàn)全方面應(yīng)用，未來會成為一個標配型工具。

以火山引擎A/B測試為例，它是基于客戶實際業(yè)務(wù)的場景沉淀，可以靈活支持獲客、留存、轉(zhuǎn)化、傳播等各個環(huán)節(jié)的測試工作。比如獲客階段，通過火山引擎A/B測試，可以看哪個文案更適合；轉(zhuǎn)化階段，可以看哪個算法效果更好；傳播階段，可以看哪個互動效果更佳。通過火山引擎以往客戶測試表明，A/B測試能夠取得比較好的效果，一個小小的工具也能夠給整個企業(yè)增長帶來很大的幫助。

同時，A/B測試的價值有三個重要的關(guān)鍵詞：決策、轉(zhuǎn)化、效率。

決策層面。傳統(tǒng)零售企業(yè)中，大多數(shù)的決策是個人主義、經(jīng)驗主義決策。A/B測試要推動的是科學、數(shù)據(jù)決策。

我們接觸的一些傳統(tǒng)鞋服和美妝企業(yè)，產(chǎn)品創(chuàng)新方向多數(shù)是老板或者設(shè)計總監(jiān)憑借個人觀察和經(jīng)驗拍板。而像鞋服行業(yè)商家最頭疼的就是庫存，一旦上新方向與市場消費產(chǎn)生較大偏差，付出的代價是高昂的。而A/B測試基于科學數(shù)據(jù)決策，能提高新品上市的準確性和成功率。

轉(zhuǎn)化層面。零售業(yè)最關(guān)心的一點是轉(zhuǎn)化，A/B測試追求ROI最大化，本質(zhì)上是找到最優(yōu)的商業(yè)盈利模式。

我們以現(xiàn)在的雙十一電商大促為例，有些企業(yè)這段時間銷售額占到全年的30%-50%，所以對它們來說大促轉(zhuǎn)化非常重要。但往往影響銷量的因素，都在于細節(jié)層面。比如花了大價錢做引流，流量進來了，轉(zhuǎn)化卻不如意。有人會誤認為流量不精準，但事實還原用戶購買全鏈路中，可能問題出在支付引導上面，A/B測試可以通過數(shù)據(jù)分析找準問題，及時改正，提高轉(zhuǎn)化效率。

再比如營銷投入方面。廣告界有句話說，廣告費有一半是浪費的，但卻不知道是哪一半。A/B測試能做到更精準的廣告投放，要把浪費的另一半找到，做到有的放矢。

效率層面。A/B測試能提升決策效率、產(chǎn)品上市效率等。

以往的決策，是通過市場調(diào)研反饋信息，再自下而上通過各層級傳達給決策者，不僅周期長，中間的效率低下直接影響決策判斷，可能剛獲得調(diào)研反饋，市場紅利就轉(zhuǎn)瞬即逝。A/B測試是數(shù)字化能力，決策者能及時在線洞察各項數(shù)據(jù)并決策。這也是元氣森林能做到高頻上新的能力。

數(shù)字化零售，風往哪吹？

當下數(shù)字化零售帶來行業(yè)快變。產(chǎn)品端快速迭代，市場上打造爆品層出不窮，傳統(tǒng)零售很難再通過一款產(chǎn)品吃天下。渠道端也不再局限于單一的電商或線下實體，而是全渠道、全場景的覆蓋。營銷端也以社交媒體平臺、短視頻平臺等為主陣地，新營銷打法各顯神通。

而A/B測試目前在零售業(yè)應(yīng)用還是相對初期階段，但后續(xù)的發(fā)展，我們認為會更多在新零售的“人貨場”細節(jié)中應(yīng)用。比如數(shù)字化門店建設(shè)（如何陳列效果更好）、多場景測試（哪類消費場景更適合哪些產(chǎn)品、哪種形態(tài)）等等。

同時也帶來新方向的思考，如零售商家可以通過A/B測試，針對不同的客群展示不同的營銷界面，推薦不同的電商產(chǎn)品。通過不斷測試，找到不同客群的最優(yōu)解產(chǎn)品組合方案，實現(xiàn)千人千面。

現(xiàn)在，已經(jīng)看到了苗頭。