要跨多個品牌做社群 A/B 測試，先把受眾類型相近的品牌聚在一起、兩兩配對，在同一段時間跑同一個變因，再用每個帳號自己的中位數來評斷每篇貼文。這樣一來，六個什麼都證明不了的小測試，就變成一個真正說得準的測試。接下來是實際操作上的細節。
TLDR： 單一帳號的發文量通常不夠，讀不出測試結果。把性質相近的品牌編成一組，把版本平均分給它們，結果用各帳號自己的中位數來校正，每個測試只公布一個結論。
為什麼單一品牌的測試會卡住
多數品牌帳號一週發三到五次。一個站得住腳的測試，每個版本要累積 8 到 10 篇貼文，所以單一帳號一個測試得跑一個月以上，等到跑完，季節都變了。
另一個問題是雜訊。在 Mydrop 的數據裡，Instagram 貼文中間那一半的互動率落在 1.1% 到 6.7% 之間。單一帳號拿兩篇貼文來比，幾乎不可能跨過這道門檻。
把品牌聚起來就能同時解決這兩個問題：五個品牌一週各發三次，一週就有 15 篇貼文可以分。
設計一個測試組
一個測試組，就是一群可以公平比較的品牌。
| 決策 | 規則 |
|---|---|
| 誰進同一組 | 受眾類型和平台組合相近的品牌 |
| 版本 | 兩個，最多三個，絕不再多 |
| 分配 | 每個品牌輪流跑不同版本，讓每個品牌都測到全部版本 |
| 時間 | 同組每個品牌用同一段日期 |
| 固定不變 | 格式、時段、hashtag 規則和 link 規則 |
| 衡量方式 | 貼文結果除以該帳號自己的中位數 |
除以各帳號自己的中位數，是讓合併測試站得住腳的關鍵。互動率 7% 的小帳號和 1% 的大帳號可以放進同一個測試，因為兩邊都是拿自己的平常水準來比。Mydrop 自家的跨帳號數據也是用同樣的概念。
地區和語言要分成不同的組
不要為了湊樣本數，就把馬德里帳號和芝加哥帳號塞進同一組。語言、文化和時區都會改變什麼有效。每個地區各跑一組，然後比較各組的結論，而不是比原始數字。如果要在 20 個以上的市場做測試，請看自動化多語系 A/B 測試。
所有測試都放進同一份共用行事曆
規模一大，最常見的失誤就是兩個團隊同時在同一個帳號上測不同的東西。準備一份統一的測試行事曆，列出每個測試組、變因和時間，每個測試都指派一位負責人，有權擋下撞期的安排。
在 Mydrop 裡，多品牌行事曆讓你一眼看到每個品牌排好的貼文，還能標記版本貼文；Workspaces讓每個品牌的資料和權限各自獨立，測試負責人則能跨品牌查看。每篇貼文的結果都在數據分析裡，多帳號的基準比較檢視則幫你把每個帳號跟自己的基準線對照。
大規模測試時，這些東西不用測
不要浪費一個測試組去測那些幾乎改變不了結果的變數。在 Mydrop 九月的數據裡，hashtag 數量對互動率中位數的影響最多 5%，星期幾的差異則在 2% 以內。測試組很寶貴，把力氣花在格式、開頭第一句、優惠和行動呼籲上。
每個測試只回報一個結論
品牌負責人不想看十二張圖表。每個測試給一句結論就好：
- 哪個版本勝出，以及相對中位數拉高了多少。
- 這個結論建立在多少篇貼文、多少個品牌上。
- 因此操作手冊要改什麼。
把結論存進共用的資料庫，新品牌就能從已經驗證有效的做法開始。請看可重複使用的實驗資料庫。
第一個測試組一定會遇到的三個問題
- 某個品牌發文量比別人少。 用貼文數加權，而不是用品牌數，或限制每個品牌貢獻的上限，別讓最忙的帳號決定結果。
- 某個品牌測試中途有特殊活動。 把那些貼文標記起來，從結論裡排除。
- 主管想提早收手。 一開始就講好結束日期，讓時間跑完。
這些小而無聊的規則，才能讓合併測試保持誠實。
這個月就設好你的第一個測試組
挑三個受眾相近的品牌、一個變因、五週的時間。把貼文排進同一份行事曆，並在第一篇貼文發出去之前，先寫好判斷結論的規則。想在同一個工作區裡設定多個品牌，免費開始用 Mydrop。
Google 評論
Trustpilot 評論
Product Hunt comment
