做 A/B 測試的 Optimizely 融資 5700 萬美元，很靠譜嗎？

01-11

如題，Optimizely最近B輪融資5700萬美元，這個功能真的這麼有「錢」途嗎？
如果做國內市場，有這樣的需求嗎？目前有類似的供應商嗎？
相關新聞：數據才是第一生產力，A/B測試服務公司Optimizely獲5700萬美元B輪融資

是的，在國外，A/B測試的工具和產品值這麼多錢。能進行AB測試，代表了一家公司運營的精度。

但我不覺得這種工具和服務短期內在國內可以流行起來。

AB測試為什麼在國外更流行，而國內難做。粗粗總結一下，大概有下面一些原因：

一、像美國等這些國家，不同地區互聯網用戶的屬性與行為之間的差異小於中國。國內的網民，一二線城市與三線四線，五線六線城市區別非常大，使用的產品，消費的內容，也幾乎完全不同。這對於ab測試，尤其是大公司的某些產品的ab測試，是比較災難性的。主要是產品人員或分析師如果不小心，很容易得出錯誤的結論。

二、國內互聯網目前還沒進化到非常關注前端用戶體驗的狀態。而更多的是內容驅動，價格驅動，商品驅動，或者社交驅動的。就是說，體驗好與差不是關鍵，你這裡便宜五塊錢；或者是你這裡有貨，別人沒有；你這裡送個小禮物，別人不送；你這裡我的朋友經常去；等等這些原因，才更多的決定用戶的轉化。

三、國內外企業環境不同。國內大的企業，比如天貓淘寶，ab測試肯定是自己做的，後面有強大的數據團隊和技術團隊支撐，其他外部公司也沒辦法幫他們進行複雜的ab測試。國內的小企業，基本上處於苦逼的思考如何活下去的狀態，付費意願極低，這點我相信知友們肯定有體會。可以參看明道、友盟、等等工具的狀況就知道了。對於這些企業來說，前端的細節體驗，優先順序並沒有這麼高。

四、國內的產品經理，更多的是心學流派，而非數據流派。

歡迎拍磚

值不值我們算算看：

流量(流行程度)

http://Optimizely.com的alexa排名是7746，國內的工具估算流量15萬UV/日，考慮到國外alexa安裝率可能高，我們就按5萬UV/日計算。

一個工具網站，5-10萬日UV是什麼概念呢，友盟統計(友盟-專業的移動開發者服務平台)的alexa是16883，工具估算UV是4萬UV/日。在移動互聯網統計工具領域，友盟還是有一定知名度的吧。

收入

optimizely是個工具網站，不會有什麼無關流量，用戶群精準。

在沒有準確數字的情況下，我們假設每天5萬UV中有20%是付費用戶。(考慮到付費用戶的粘性，20%的估計應該不算高)，就是每天有1萬的付費用戶在訪問。

再考慮到付費用戶並不會每天都訪問，按月統計的付費用戶，乘以5倍，也就是5萬計。

下邊是optimizely的價格表，silver級別支持每月20,000訪客樣本，價格是70美金。

70*5，350萬美金月收入，年收入在5000萬美金甚至更高的量級，而且都是現金。

再考慮到他的上升曲線，B輪5700萬美金，也是應該的吧。

至於國內

醒醒了，工頭找你去搬磚了...

optimizely開始是做web上的a/b測試，主打操作可視化，人人都能上手，70美金的價格也算合理。

但國內大家習慣了免費，能收70人民幣/月，並且以此盈利的工具都很少。

而且，有點規模公司紛紛表示：老子已經這麼屌了，為什麼要用你的工具。小x你去，安排技術部做一個。別說a/b測試了，google analytics他們都想自己做一個，並且表示，看上去也不難嘛...

所以，雖然optimizely值那個數，但是a/b測試在國內的被重視程度和付費意願都不夠，想靠工具路線複製optimizely的成功還是挺難的。

樓上幾位也已經給出建議了，提供打包的分析和諮詢服務，會更容易被現階段的國內市場接受。

其實 @鄭海平已經說得很清楚了。

最簡單的方法就是去搜一下「A/B測試」，看看中文網頁的數量，是原創的還是翻譯的，是理論的還是實踐的；或者去微博看看有多少人提及「A/B測試」，哪些人在提，及提到的內容的深入程度。

這樣其實能以最簡單快捷的方式洞察國內市場的基本情況了，當然你會說提的人少說明市場潛力大，畢竟人家國外這塊搞得還蠻紅火的，說明潛在需求是普遍存在的。但這個是基於國內外互聯網的運營模式和發展是趨同的假設下，即使這樣，需要把國內市場的這塊潛力開發出來，需要投入的培育市場和用戶的成本也是很高的。

再看看目前已經在國內普遍被接受的「網站分析」領域，近幾年雖然在逐步地發展，但是發展速度並沒有那麼快，跟國外市場的差距還是很大的，所以最關鍵的還是國內外互聯網環境有差異、網站的運營模式有差異、用戶的需求有差異，還有就是相關的從業人員有差異。

對網站分析行業來說，我認為「統計--分析--測試」代表了對數據的不同運用層次。在國內，能把分析做好的公司就不多，到測試這個階段的就更少了，不然可以百度搜索下，看看有多少相關資料。作為對比，可以再搜索下分析工具的資料，比如google analytics。在這麼小眾的情況下，再考慮付費的意願，可能不是很樂觀。

另外再好的工具，也得有懂的人來用，目前國內這方面的從業人員可能也不多。

所以我和張登宇的觀點一樣：單獨做測試工具，國內市場路還比較遠。但是如果你是一家分析公司，或許可以將這個產品打包提供給客戶，做後繼服務。

如果光論融資額的話，這個數字並不算突出。

不過，光看數字是不好的，不妨把這個數字放進大背景里：在線廣告投放額、Experiments覆蓋比例及應用深度、由此帶來的廣告投放效率提升比例。當然，這裡還必須區分中、西方市場環境，以及Optimizely所面對的競爭環境。

國內這樣專註垂直的產業要想長到這麼大，還需要等很長一段時間，慢慢努力吧。

測你妹，先把一個做完再說吧

先回答問題：很靠譜！ @且歌已經說的很贊了，就不贅述了

-----

補充一下：國內也並不是沒有類似的產品：http://appadhoc.com，歡迎與大家交流。看了一下大家的答案，正好在另外的地方寫了相關的東西，就不贅述了

什麼是 A/B 測試？ - Mil Max 的回答

靠譜，Optimizely 的 web 和 app 的可視化編輯讓人驚艷，

最大的問題就是伺服器在牆外大陸用的話太慢了。

A/B Testing 的原理很簡單，難就難在實施成本上。

一次典型的 A/B Testing 需要：

PM 出 target；
設計師出多份設計；
前端實現設計；
後端篩選人群，埋點統計，發布；
數據工程師匯總測試結果。

而類似 Optimizely 等 A/B testing 的服務(http://autosend.io/blog/ab-testing-tools-mobile-apps/)，PM 可以通過可視化編輯頁面、app，Goal 設定，人群分類、測試結果，獨立完成一次 A/B testing 的上述步驟。

當然，很多的 A/B Testing 比較複雜，如果自己產品的日活已經很高，考慮成本和穩定性，依然需要按照上述步驟來完成

以下都是個人看法，僅供參考。這個功能很有錢途，但我覺得不值這個價錢，從技術上來說這個功能的技術壁壘非常低。我在很多市場不用任何工具也能進行split test。split test 的效果也遠高於一些非從業者的想像，我經常給的一個例子就是，2012年我把一個站點的checkout button從紅色換成藍色，Convertion rate 提高了5%。這裡的關鍵問題在於和其他數據的整合，對於digital的數據來說，多渠道數據整合才是得到可靠結論的方法。

從另外一個角度來說split test並不只從digital的角度來做，歷史悠久的銀行，保險公司已經做了很多年了，給不同的發的書面信件，顏色，文字，設計略有不同，區分測試來觀測最後的效果。Digital的唯一好處是測試的結果實時化，具象化，也讓split test的門檻變低了。

上面有位同學所說的國內還沒有進化到重視前端用戶體驗，不需要用split test。我對這個理由不發表看法，但是我不同意這個結論，即使沒有很好的前端用戶體驗，split test也是可以做的。原因就在於，從開發時間上來說，產品開發需要市場調研，需要長時間的研究和分析，但是split test不需要，小範圍的split test是應該一直在進行，顏色，大小，位置，這個測試的過程與結論是獨立的，他分析的是用戶的使用習慣，我同意在國內一線城市和二三線城市的用戶習慣不一樣，可是split test的目的正是在不一樣習慣的用戶中找尋到能夠為自己提供最大產出的設計。這個設計不一定很美觀，但是他有效，個人經驗來說，拋開你的branding guideline, 很多產出量大的設計都不美觀。

split test的結論很多時候對我來說是無解的，回到我之前的例子，為什麼紅的換成藍的，轉化率就會提升？我沒答案，是不是有潛在的可能性，如果是綠色的話，轉化率更高？我也沒答案。關鍵點就在於你所有做的target customer group study是不是匹配引流到站點上的用戶，然後你target customer group study的結論到底有多準確。最後一句話，多渠道數據的整合才是得出可靠結論的方法，數據越多越可靠。split test只是其中門檻比較低的一塊，他很值錢，但並不值這個價。

國內目前很多網站運營工作仍然做得比較粗放，重視流量的提升多於轉化率的提升，但從網路營銷的長遠發展來看，測試與優化工具的興起是必然的。很多廠商現在網站分析尚且做得不深入，測試與優化這一塊的工作就做得更少。這是與公司的運營戰略有關（先盡量獲取更多的流量），另外也與公司里的數據文化有關。一家公司里的網站運營人員都要有「數據驅動運營」的共識，這樣才能發揮測試與優化工具的威力。

我們較早前就在用GWO，後來也在一直用整合進GA的內容實驗功能，當時也簡單了解過Optimizely，不過既然GA的功能已基本可以滿足我們的需求，就沒有更換測試工具。可考慮使用廣告著陸頁面來進行A/B測試，找出轉化率較高的頁面版本，再作大規模的應用。

Testing的理念還是傳統的統計學範疇，或者說是實驗的必備要素之一。A/B Test其實就是科學實驗中的控制組對照組實驗，相應的多變數測試實際上就是多元素的組間設計（方差分析）。

至於說A/B Test在網站分析中的應用，其實是網站分析更加重視數據及科學的數據分析方法的必然發展。

個人覺得這個領域從始至終都是一個小眾市場，真正有能力有精力去做Testing的客戶，已經是高端客戶了，所以客戶群的大小決定於Digital客戶對數據分析重視程度，相信隨著客戶對數據分析重要性認識的不斷提高，客戶群會不斷壯大。但是，歸根到底還是一個小眾市場。

最好的歸宿還是成為一個巨頭的Digital分析產品的一部分，不過GA有GWO（整合到UA中），Omniture有TestTargeting（應該改名字了不知道叫啥），而且這個領域中真正的技術和產品壁壘似乎也很小，所以我覺得這是一個被高估的功能/企業。

ab的含義有2種，一種是基準的測試和用於上下文分析協議等。

這裡提的應該是另外一種分析策略。

國內外對ab看法不一樣，包含老外也一直在探索這部分，一旦計算出錯就是兵敗和理論數據被估高。

當流量只要轉化率提高1%可以提高多少利潤，如何獲取是目標，有效，跳出率等等，需要瘋狂的細化才能進行分析。這點到是和遊戲測試里把業務拆解成不能再小，然後再組合關聯，分析差不多。

ab測試的實施涉及：業務和技術兩方面內容。

業務部分在於：公司整體是否有數據意識，是否願意在產品，流程，營銷推廣方面做精細化改進。

技術部分涉及：工具的採購（免費，商業，自己研發），工具的部署，數據的觀察和分析報告，不光是網站，移動App也可以做ab測試，當然這對於技術的要求更高。

我們做過內部用的ab測試工具，功能參考GA的，改進處在於：不用頁面跳轉，以及實時看點擊數據。從開發成本和技術難度看，ab測試工具低於全站流量系統，但做得好做的深入，門檻也並不低。

這塊是否有大的市場，我現在想到的主要在於用戶的接受程度和實施部署的成本上，單就ab測試工具的價格來講，其實蠻便宜了。

免費 vs 商業，不是太絕對的，就像Tag Management市場，雖然有免費的Google Tag Manager，但專業的廠商也活的很好，甚至於免費的Google Tag Manager還可以起到培養用戶，待用戶深入後，有部分會轉到商業收費方案。

AB Test剛開始是非常痛苦的，一般來說你得準備很多個測試頁面，這就涉及到要改頁面、上線、看效果、再改、再上線、再看效果這樣不斷重複的過程。而這種事對於業務人員來說，必須掌握一定的網頁製作技能，或者配備前端支持，還有實現分發和監控，對普通業務人員來說投放太大，而且往往效果也不一定會更好。

而optimizely是一個非常簡單、高效、可視化的AB Test工具，用過的人真的會非常喜歡。在加了代碼之後，所有的新頁面製作、分發控制和效果監控都是在一個頁面內完成。第一次加了代碼以後，就可以完全告別前端，而且隨時在頁面內調整測試比例、修改測試頁面，一次性生成多個頁面再也沒有任何門檻。

現在optimizely支持最常見的頁面指定、按鈕文字圖片的大小調整，加圖片鏈接等最常見的操作，但看網頁製作的功能的話，其實已經非常簡單化了。

上面講的是功能，用過之後其實就明白為啥有這樣估值了。並不是說國內國外對這個需求有太大差異，而是實現AB Test的成本制約了很多客戶。百度會自己準備N多機器做ABT，但是中小公司，製作頁面做ABT是所有優化裡面成最高的。而且相當體量的PV，做這個的成本就更划不來了。

最近一直在考慮A/B測試的相關東西，沒有操作過，不知道哪裡有相關的教程。突然發現樓主的帖子，個人覺得這個融資還是值得的。