世界上最多使用的付费网站分析测试工具是Optimizely和Adobe Test & Target，二者的拥趸几乎相当，使用起来其实并不简单。快速部署实现测试的方式，更适合利用Google Analytics的Experiments工具。

AB测试和多变量测试在原本是为实现单个指标的测试而设计的，即，我与你打赌，A首页比B首页能带来更好的转化率，那么转化率就是这个赌局（测试）的唯一指标。不过，我们的目的是为了优化网站首页的资产配置，我们很多时候还要兼顾其他的绩效，因此目的也就必然不那么单纯。我们接着往下看如何解决这个问题。

产出之外的其他重要行为的指针

如果仅仅只是按照工具的模块去做一个只有一个指标的测试，那么真是有些糟蹋了测试这个“牛X”的方法。A/B测试最有价值的地方，不是在于它给了赌局一个结果，更重要的在于，它能够随机把流量分配到两个（或多个）目的相同而设计不同的页面上去。而这两个页面的所有用户行为，又都能够被网站分析工具忠实的记录下来供你进行详细的分析。真是太美妙了！（由此可知，事实上，就算没有一个A/B测试的工具，只要你的网站前端工程师愿意帮你实现流量随机在两个首页上的分流，你手中又有网站分析工具的话，你一样可以做出非常可靠的A/B测试。）

现在，你有了这两个武器——A/B测试工具实现的自动随机分流和网站分析工具，你还能做什么呢？

分析不同资产配置的首页的关键绩效指标（KPI）能够很大程度满足我们的好奇心，并且让我们知道不同资源配置的首页到底如何影响了网站访问者的行为。这些KPI包括跳出率（bounce rate）、测试区域的点击率（CTR）、点击分布（点击热图）和页面价值（Page Value）等。但我没有把页面停留时间囊括在KPI中，因为在首页上停留时间长短很难说明什么，如果A页面的停留时间比B页面停留时间平均多了5秒，或许只是合理范围内数据本身的扰动。而首页A/B测试时所体现的相差甚远的平均停留时间我从来就没有遇到过。