A/B-тестирование — что это такое

A/B-тестирование — контролируемый эксперимент, в котором аудиторию случайно делят между исходным и изменённым вариантами.

Обновлено 29 августа 2026 г.Автор: Александр Алашеев

Определение

A/B-тестирование — контролируемый эксперимент, в котором аудиторию случайно делят между исходным и изменённым вариантами.

Термин
A/B-тестирование
Полное название
A/B Testing
Раздел
Конверсия, UX и эксперименты
Также ищут
сплит-тест, АБ-тест

Что означает A/B-тестирование простыми словами

Различие в результате оценивают с учётом размера выборки, длительности, качества распределения и заранее выбранной метрики. Одновременные внешние изменения могут исказить вывод.

A/B-тест помогает отделить эффект изменения от сезонности, состава трафика и обычных колебаний показателя. Без контрольного варианта команда легко принимает одновременный рост спроса за результат нового дизайна.

Пример

Половине новых посетителей показали короткую форму, половине — исходную, а основной метрикой стала доля подтверждённых заявок.

Как применять на практике

  1. До запуска запишите гипотезу, основной показатель, допустимый риск и минимальный эффект, ради которого стоит внедрять вариант.
  2. Случайно распределяйте подходящих пользователей и сохраняйте за человеком один вариант при повторных визитах.
  3. Дождитесь запланированного объёма данных, проверьте качество распределения и только затем принимайте решение.

Частые ошибки

  • Останавливать эксперимент в первый день, как только один вариант вышел вперёд.
  • Запускать параллельно другую кампанию или менять цены только для части аудитории, не учитывая влияние на тест.
  • Выбирать победителя по случайно выросшей второстепенной метрике, которой не было в плане анализа.

Вопросы о A/B-тестирование

Сколько времени должен идти A/B-тест?

Фиксированного срока нет. Продолжительность зависит от трафика, исходной конверсии, ожидаемого эффекта и недельного цикла. Расчёт делают до запуска и не заменяют правилом «подождать семь дней».

Что делать, если разницы между вариантами нет?

Проверьте, хватило ли тесту чувствительности заметить полезный для бизнеса эффект. Если хватило, результат означает, что изменение не дало ожидаемого выигрыша — это полноценный вывод, а не провал теста.