廣告 A/B 測試完整教學:
文案、受眾、素材怎麼測
同樣 NT$10,000 的廣告預算,有人獲得 50 個客戶,有人只有 10 個——差別不在預算多寡,而在有沒有「測試」。A/B 測試是用數據取代直覺的科學方法,讓每一分廣告費都花在刀口上。
同樣 NT$10,000 的廣告預算,有人獲得 50 個客戶,有人只有 10 個——差別不在預算多寡,而在有沒有「測試」。A/B 測試是用數據取代直覺的科學方法,讓每一分廣告費都花在刀口上。

A/B 測試就是同時投放兩個只有「一個元素不同」的廣告版本,比較哪個效果更好。例如:同樣的圖片,搭配兩版不同文案,看哪版的點擊率更高。
| 測試面向 | 可測試的變數 | 影響程度 | 建議測試順序 |
|---|---|---|---|
| 📝 文案 | 標題、描述文字、CTA 用語 | ★★★★★ | 第 1 個測 |
| 🖼️ 素材 | 圖片、影片、輪播、尺寸 | ★★★★ | 第 2 個測 |
| 👥 受眾 | 年齡、性別、興趣、地區 | ★★★★ | 第 3 個測 |
| 📍 版位 | 搜尋、地圖、動態牆、Reels | ★★★ | 第 4 個測 |
為什麼文案要第一個測?因為好的文案對點擊率的影響最直接,而且改動成本最低(改幾個字 vs 重拍影片)。先找到表現較好的文案,再用它搭配不同素材和受眾,效率最高。
A/B 測試最常見的陷阱是「假陽性」——數據看起來有差異,但其實只是隨機波動。理解統計顯著性,是做出正確決策的基礎。
簡單來說,統計顯著性就是「結果不是巧合的信心程度」。業界標準是 95% 信心水準——意思是只有 5% 的機率這個結果是隨機產生的。需要多少樣本,取決於兩個版本差多少,後台實驗功能會幫你判斷。這就是為什麼小預算的 A/B 測試很容易得出錯誤結論——樣本太小,統計上根本無法下定論。
實務上的建議:如果每日預算只有 NT$500,每次點擊 NT$10,一天只有 50 次點擊。兩組各分到 25 次——假設轉換率 5%,一組一天約 1.25 次轉換,要累積到後台判斷得出差異,往往要跑好幾週(本文算術例)。解決方式有二:提高測試預算加速數據累積,或改用「前端指標」(如 CTR)替代「後端指標」(如轉換率)做初步篩選——CTR 需要的樣本量小得多。
好消息是:Google Ads 和 Meta 廣告後台都有內建的統計顯著性計算功能。Google Ads 的「實驗」功能會直接告訴你結果是否具統計意義;Meta 的「A/B 測試」功能也會在結果確定後自動通知你。你不需要懂公式,只需要確保測試跑夠久、樣本夠大。
判斷有沒有差異,以 Google Ads「實驗」或 Meta「A/B 測試」功能的統計結果為準;後台還沒顯示結果前,先不要下結論。差異很小時,通常需要更大的樣本才能確認。
在預算有限的情況下,建議先用 CTR 做初步篩選,再用轉換率做最終確認。因為 CTR 需要的樣本量比轉換率小得多,你可以更快得到初步結果。淘汰掉明顯 CTR 低的版本後,把預算集中在表現好的版本上,繼續追蹤轉換率表現。
也建議你建立一份「測試紀錄表」:每次測試記錄測試日期、測試變數、兩個版本的描述、各自的 CTR / CPC / CVR / CPA 數據、以及你的結論。三個月後你會累積一個專屬於你的品牌的「廣告知識庫」——知道什麼文案風格對你的客人最有效、什麼受眾最值得投入、什麼素材格式轉換最好。這份知識庫的價值遠超任何單次測試的結果。
更完整的廣告優化策略,參考廣告預算規劃指南。
以下三組是測試設計的示範,用來說明「一次只改一個變數、先寫下假設、選一個主要指標」該怎麼做;不是成效紀錄,哪一版會贏要看你自己的數據。
| 測試面向 | 版本 A | 版本 B | 要驗證的假設 | 主要指標 |
|---|---|---|---|---|
| 文案 早午餐店 | 「新鮮食材現做早午餐」 | 「不想排隊?線上先點、到店就取」 | 講客人的困擾,比列出商品特色更容易被點 | 點擊率(CTR) |
| 受眾 健身房 | 只用年齡與性別鎖定 | 加上「健身」興趣標籤 | 對健身有興趣的人,比單純按年齡性別鎖定更容易成交 | 每次轉換成本(CPA) |
| 素材 美甲店 | 作品靜態圖 | 施作過程短影片(15 秒) | 看到施作過程,比只看成品照更容易預約 | 轉換率(CVR) |
這三組的共通點:測試前先有明確的假設,而且每組只改一個變數。文案組只換文字、受眾組只換鎖定方式、素材組只換圖片或影片;同時改兩樣,結果出來也分不清是哪一樣造成的。
也要注意測試的順序:先用文案測試找到比較好的版本,再拿這一版去測受眾、測素材,一次往前推一步。每一輪都等到前面講的統計顯著性再下結論,不要看了兩三天的數字就換。
如果你不確定從哪個面向開始測試,建議從文案開始——改動成本最低(改幾個字 vs 重拍影片)、影響最直接(直接影響 CTR)、而且結果通常很明確。更多文案撰寫技巧參考廣告文案撰寫技巧。
「A/B 測試聽起來是大品牌才有預算做的事」——這是最常見的迷思。事實上,月廣告預算只有 NT$5,000-10,000 的小店,也能做有效的 A/B 測試,只是方法需要調整。
方法一:序列測試法。不同時跑兩個版本,而是先跑版本 A 一週、再跑版本 B 一週,比較兩週的數據。雖然不如同步測試精確(因為時間段不同),但對小預算來說是可行的折衷方案。關鍵是兩週的投放條件(預算、受眾、時段)要盡量一致。
方法二:前端指標優先。轉換數據需要大量樣本,但 CTR 和 CPC 用較少數據就能看出差異。小預算商家可以先用 CTR 篩選文案和素材,淘汰 CTR 明顯低的版本,再把預算集中在勝出版本上追蹤轉換率。
方法三:20/80 法則。把月預算的 20%(例如 NT$2,000)用來測試新創意,80%(NT$8,000)投入已驗證有效的廣告。這樣既確保穩定的廣告效果,又持續探索更好的可能性。每月測出一個小發現,六個月後你的廣告效率會遠超不測試的競爭對手。
更多適合小預算商家的廣告策略,參考Facebook 廣告在地商家投放指南和Google 地圖廣告完整教學。
小店 A/B 測試年度規劃建議
Q1:文案
測試 3 組不同風格
找到表現較好的文案方向
Q2:受眾
用勝出文案測試
不同受眾組合
Q3:素材
圖片 vs 影片 vs 輪播
比較素材格式
Q4:版位
搜尋 vs 地圖 vs 社群
比較投放位置
按照這個年度規劃,一年下來你會完成 12 次以上的 A/B 測試,累積一整套自己驗證過的做法。第二年開始,你的判斷有一年的真實數據支撐,而不是憑感覺猜。
需要注意的是,季節性因素會影響測試結果。例如在母親節前一週測試「禮物」相關文案,結果會比平常好很多——但這不代表這個文案全年都有效。建議把季節性測試和常態性測試分開記錄,避免因為季節因素做出錯誤的長期決策。
最後提醒:A/B 測試不是一次性的任務,而是一種持續優化的思維方式。把它融入你的日常廣告管理流程中——每次新增廣告都多做一個測試版本,每月花 30 分鐘回顧上個月的測試結果。長期下來,這個習慣會讓你的廣告效率持續領先同業。
即使了解了 A/B 測試的原理,許多商家在實際執行時仍然會踩到以下陷阱。這些問題不只浪費預算,更糟的是會讓你根據錯誤的數據做出錯誤的決策:
陷阱一:變數控制不當。「我把文案、圖片、CTA 都改了,結果 B 版比 A 版好」——但你根本不知道是哪個改動造成的。下次你改文案用 B 版的、但想換一張新圖片,結果可能更差。每次只改一個變數,才能累積有效的知識。解法:建立一份測試清單,每次測試前確認只有一個變數不同。
陷阱二:過早宣布勝負。「跑了 3 天,A 版 5 個轉換、B 版 3 個轉換,A 版贏了!」——5 vs 3 完全可能是巧合。以後台實驗功能的統計結果為準。解法:設定好最低樣本量門檻後,在達標之前絕不關閉任何版本。
陷阱三:忽略時間週期效應。週一到週三的使用者行為和週五到週日完全不同。只跑 3-4 天的測試,可能剛好碰到某一天的異常表現。解法:至少跑滿 7 天(完整一週),理想是 14 天,確保涵蓋不同日期的使用者行為差異。
陷阱四:混淆虛榮指標與營收指標。CTR 高不代表賺錢。有些聳動文案點擊率很高,但轉換率極低(點進來發現跟期待不符就離開了)。解法:把 CPA(每次轉換成本)和 ROAS 設為最終判斷標準,CTR 只作為初步篩選。
陷阱五:把測試當一次性任務。市場在變、季節在換、競品在調整——上個月最好的文案,這個月可能已經失效。解法:建立「持續測試」的習慣,每月固定測試一個面向,讓你的廣告效率每個月都在進步。把測試結果記錄在共享文件中,團隊每個人都能受益。
📏 判讀三原則
1. 樣本要夠大
樣本太小,結果可能只是巧合;以後台實驗功能的統計結果為準。
2. 時間要夠長
至少跑 7 天。週一和週日的使用行為完全不同,需要完整一週的數據。
3. 差異要夠大
差異很小時,可能只是隨機波動;看後台是否標示結果具統計意義。
沒有固定金額。要跑到後台實驗功能顯示結果具統計意義才算數,預算小就要跑久一點。可以先撥一小部分預算做測試,其餘投在目前表現較好的組合。
一次只測一個變數。如果同時改文案又改圖片,就無法判斷是哪個因素導致效果變化。先測文案,選出表現較好的版本,再用它測圖片。
至少 7 天(涵蓋完整一週的使用者行為模式)。理想是 14 天。太短會受到某一天異常表現的影響,太長則浪費預算。
統計顯著性至少要達到 95%。簡單判斷法:如果兩組的 CTR 差異超過 20%,且各自有 100+ 次展示,基本可以下結論。Google Ads 內建的「實驗」功能會自動計算。
需要,但方法不同。大品牌可以同時跑多組測試,小店建議「每月一測」:這個月測文案 A vs B,下個月測受眾 A vs B。每一輪都等數據夠多再下結論,把勝出的版本留下來當下一輪的基準。
統計顯著性就是「結果不是巧合的信心程度」。95% 信心水準代表只有 5% 機率是隨機誤差。不需要懂數學——Google Ads 和 Meta 廣告後台都有內建工具自動幫你計算。你只需要確保兩件事:每組至少 100 次轉換、至少跑滿 7 天。
Google Ads 內建「實驗」功能,可以精確分流 50/50 流量,適合測試出價策略和關鍵字。Meta 廣告的「A/B 測試」功能更適合測試素材和受眾,因為 Meta 的演算法會自動分配流量給表現好的版本。建議兩個平台都做測試,但各自用平台內建工具,不要用第三方工具,數據會更準確。