要在多个品牌之间做社交媒体 A/B 测试，先把受众类型相似的品牌聚到一起，两两配对，在同一个时间窗口里跑同一个变量，再拿每条帖子跟它自己账号的中位数比。这样一来，六个什么都证明不了的小测试，就变成了一个真正能出结论的测试。下面聊聊具体怎么操作。
一句话总结： 单个账号发的帖子太少，撑不起一个测试。把相似的品牌归进同一个测试组，把不同版本均匀分到各个品牌，结果按每个账号自己的中位数做归一化，最后每个测试只发一个结论。
为什么单品牌测试总是卡住
大多数品牌账号一周也就发三到五条。一个靠谱的测试，每个版本需要 8 到 10 条帖子，所以光一个账号就得跑一个月甚至更久，等跑完季节都变了。
另一个麻烦是噪音。在 Mydrop 的数据里，Instagram 帖子中间那一半的互动率从 1.1% 到 6.7%。单个账号拿两条帖子做对比，几乎不可能跳出这个范围。
聚起来就能同时解决这两个问题：五个品牌每周各发三条，一周就有 15 条帖子可以分配。
设计一个测试组
测试组就是一组可以公平比较的品牌。
| 决策项 | 规则 |
|---|---|
| 谁进这个组 | 受众类型和平台组合相似的品牌 |
| 版本数量 | 两个，最多三个，绝不再多 |
| 分配方式 | 按品牌交替分配版本，让每个品牌都跑到两个版本 |
| 时间窗口 | 组内所有品牌用同样的日期 |
| 保持不变 | 形式、发布时段、话题标签规则和链接规则 |
| 衡量方式 | 帖子结果除以该账号的中位数 |
除以每个账号自己的中位数，是让聚合结果站得住脚的关键。一个互动率 7% 的小账号和一个 1% 的大账号可以放进同一个测试，因为两者都是跟自己的正常水平比。Mydrop 自己的跨账号数据用的也是这个思路。
地区和语言要拆成独立的测试组
别为了凑够样本量，就把马德里账号和芝加哥账号塞进同一个组。语言、文化和时区都会改变什么内容有效。每个地区单独跑一个组，然后比较结论，而不是比较原始数字。如果要覆盖 20 个以上市场，可以看自动化本地化 A/B 测试。
把所有测试放进同一份共享日历
规模一大，最常出的事就是两个团队同时在同一个账号上测不同的东西。维护一份统一的测试日历，列出每个测试组、变量和时间窗口，再给每个测试指定一个负责人，由他来叫停冲突。
在 Mydrop 里，多品牌日历让你在一个视图里看到所有品牌的排期，还能给不同版本的帖子打标签；工作区把每个品牌的数据和权限分开，测试负责人又能跨品牌查看。每条帖子的结果都在分析里，多账号基准视图还能帮你把每个账号跟它自己的基线做对比。
规模化时别测这些
别把宝贵的测试组浪费在几乎不影响结果的杠杆上。在 Mydrop 九月份的数据里，话题标签数量对互动率中位数的影响最多 5%，星期几的影响也在中位数上下 2% 以内。测试组很贵，留着测形式、开头一句、优惠和行动号召。
每个测试只报一个结论
品牌负责人不想看十二张图表。给每个测试一句话结论：
- 哪个版本赢了，相对中位数提升了多少。
- 结论建立在多少条帖子和多少个品牌之上。
- 因此打法上要改什么。
把结论存进共享库，新品牌就能直接从已经验证过的东西起步。可以看可复用的实验库。
第一个测试组一定会碰到的三个问题
- 某个品牌发得比别人少。 按帖子数量加权，而不是按品牌加权，或者给每个品牌的贡献设个上限，别让最活跃的账号决定结果。
- 某个品牌测试中途有特殊活动。 把这些帖子标记出来，从结论里剔除。
- 有人急着要提前收工。 一开始就定好结束日期，让时间窗口跑完。
这些不起眼的小规则，才能让聚合测试保持可信。
这个月就搭好你的第一个测试组
挑三个受众相似的品牌，选一个变量，定一个五周的时间窗口。把帖子排进同一份日历，并在第一条帖子发出前就写好判定结论的规则。想在一个工作区里管理多个品牌，免费开始用 Mydrop。
Google 评价
Trustpilot 评价
Product Hunt comment
