大促落地页做出来了，接下来很多人会想"要不要测一测"。但独立站的 A/B 测试有一个特殊之处：你的流量规模通常撑不起严格的实验，而且大促期间的流量波动会直接污染实验结果。所以大促前后的测试，需要用不同的方法论。今天讲落地页测试该怎么做、以及三个最容易把测试做废的错误。
先看现实：小站能不能做 A/B 测试
判断标准很简单：把预期差异换算成需要的样本量。假设你的落地页日均 500 个会话、转化率 3%，那每天有 15 个转化。要检测 10% 的相对差异（3% → 3.3%），每个版本大约需要 1000 次转化——也就是每个版本跑 67 天。这个结论本身就说明了：对多数独立站来说，严格的 A/B 测试是不现实的。
所以大促期间应该用三个更实用的方法：
① 前后对比（同一时间窗口内的变化）。不严格但实用——把活动期的转化率与活动前两周的基线比。缺点是流量结构会同时变化（活动期来的全是高意图流量），所以要分段看：活动第一周 vs 活动第二周 vs 活动后长尾期，如果数字持续下降到接近日常水平，说明是流量结构变化而非页面问题。
② 跨活动对比（同一类活动之间）。黑五的落地页 vs 网一的落地页 vs 圣诞的落地页——这三个活动的流量性质接近，可比性强。今年的黑五页 vs 去年的黑五页，是最有价值的对比（但前提是永久 URL，见永久 URL）。
③ 局部测试（只测一个元素）。大测试做不了，小测试可以做——只改一个元素（一张图、一句文案、一个按钮位置），而且只在同一批流量上跑。这时候需要的样本量小得多（测 20% 的差异，几百次转化就够）。
大促前最值得测的三件事
如果只做一次测试，测这三个（按重要性）：
① 首屏主图。它是落地页上影响最大的元素（产品识别度、点击率）。测法：在投放里做创意 A/B（同一个落地页、两个主图版本），这样流量是对等的，不需要改页面——这是最干净的测法。
② 优惠的呈现方式。同样的折扣，"20% OFF"和"立省 $15"哪个更好；"满 $99 减 $20"和"第二件半价"哪个更能拉客单价。这两者都是结构级差异，比换颜色有效得多，但一次只能测一个。
③ 首屏那句主张。不是标题，而是"为什么现在买"的那句话——它直接决定访客是否往下滚。
三个最容易把测试做废的错误
一、同时改多个东西。这是最常见的，也最致命的——改了主图、文案、按钮位置、商品顺序，然后数据变了，你不知道是什么起作用。结果要么全部保留（其中一个可能是负作用），要么全部回退（错过了真正的改进点）。一次只动一个变量。
二、在流量结构变化期做测试。大促期间每天的流量来源都在变（早上广告多、晚上搜索多、周末自然多），这种波动会盖过 5%~10% 的页面差异。测试要在流量稳定的时段做——如果非测不可，至少让两个版本同时在跑、同时进流量池（而不是轮流替换）。
三、样本不够就下结论。"A 版转化 3.2%、B 版 3.1%，我用 A 版"——这个差异在 200 次转化下毫无意义（随机波动就有这么大）。判断标准：至少 1000 次转化，或差异幅度大于 20% 且连续三天方向一致。测试工具的"显著"提示应该作为参考，但很多工具在样本不足时也会给出误导性的"已显著"。
大促期间更实用的一个方法：分时段对比
如果想做页面调整又不敢做完整实验，有一个折中办法：按访客来源做分层对比。同一个落地页、自然搜索流量与付费流量的转化率差别很大，你可以先看"某个来源的流量在页面 A 下的表现"对比"另一个来源在页面 A 下的表现"——这不严格，但能给你一个方向性判断（比如发现自然搜索来的用户明显喜欢长文案，那就往这个方向改）。
更实用的一招：看落地页的滚动深度与停留时间（热力图或录屏）。如果首屏往下滚的比例很低，说明问题在首屏；如果滚得深但不点，说明问题在信任区或异议处理区。这比等一个跑不完的实验快得多（诊断方法见站内搜索与用户行为）。
测试之后的动作：把结论写进模板
一个容易被忽略的收尾：每次测试的结论要沉淀进"落地页模板"。比如"标题里带具体数字时转化更高""首屏必须有截止信息""异议区放五问比放两问更好"——这些结论应该变成下个活动的默认配置，而不是每次重新想。
所以落地页应该有一份带注释的模板：每个模块写清楚"为什么这样写"和"已验证的结论"。这样每季度的活动页就是"复制模板 + 换商品 + 换图"，而不是每次从头设计。这个动作的累积价值很大——第三年的活动页会比第一年快十倍，而且质量稳定（模板见落地页五块结构）。
最后提醒一条边界：大促期间不要做大改动。即使测出了某个改动有效，也等到活动结束后再上线——活动中的页面变动会污染数据、影响已下单买家的体验、也可能触发重新索引。活动期只监控，活动后做改动（纪律见黑五两周清单）。