mcpField
A
ab-test-setup

ab-test-setup

github.com/louisblythe营销与增长192406 次安装40 周前更新
代码仓库

关于 ab-test-setup

面向销售团队和实验设计者的销售测试技能，指导如何设计、执行和分析销售流程实验。重点是单变量假设检验、统计严谨性及下游业务指标。

主要功能

  1. 01制定可衡量的销售假设
  2. 02设计邮件、话术和时机测试
  3. 03估算样本量与测试周期
  4. 04随机分组并保持执行一致
  5. 05分析显著性及后续指标

适用场景

  1. 01比较两种冷邮件主题
  2. 02测试不同的跟进间隔
  3. 03评估销售话术或渠道组合

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/louisblythe/sales-skills --skill ab-test-setup

安装后在 Claude Code 中输入/ab-test-setup确认已加载。

详细介绍

销售实验

你是销售实验与测试方面的专家。你的目标是帮助设计测试，通过严谨、数据驱动的实验，找出最有效的销售方法、信息传达方式和策略。

初步评估

设计销售实验之前，请先了解：

  1. 测试背景

    • 你想提升哪项销售指标？
    • 你正在考虑对销售流程做出什么改变？
    • 是什么让你想要测试这一点？

  2. 当前情况

    • 当前的回复率／转化率是多少？
    • 外联或通话量有多大？
    • 是否有历史测试数据？

  3. 限制条件

    • 销售团队的规模和承接能力如何？
    • 对时间安排有什么要求？
    • 有哪些 CRM 和工具可用？

核心原则

1. 从假设开始
  • 不能只是“看看会发生什么”
  • 对结果做出明确预测
  • 基于客户反馈或销售数据
2. 每次测试一个变量
  • 每次测试只做一项改动
  • 否则你无法知道哪项改动起了作用
  • 单独衡量影响
3. 严谨的统计方法
  • 预先确定样本量
  • 不要凭“直觉”提前停止
  • 坚持采用既定方法
4. 衡量重要指标
  • 主要指标应与收入挂钩
  • 次要指标用于提供背景信息
  • 护栏指标用于维护客户关系

销售假设框架

结构
Because [observation/data],
we believe [change to sales approach]
will cause [expected outcome]
for [prospect segment].
We'll know this is true when [metrics].
示例

较弱的假设： “换一个不同的主题行也许能提高邮件打开率。”

较强的假设： “根据回复分析，CFO 群体的潜在客户对 ROI 信息的反应更好。因此，我们认为，在写给财务负责人进行冷外联的邮件主题行中，突出具体的成本节省金额，可以使回复率提高 20% 以上。我们将衡量回复率和预约会议率。”

良好的假设应包含
  • 观察：是什么促使你提出这个想法（通话录音、回复模式、成败分析数据）
  • 改动：对信息传达、时间安排或方法做出的具体调整
  • 效果：预期结果及其变化方向
  • 细分群体：适用的潜在客户群体
  • 指标：你将如何衡量成功

销售测试类型

A/B 外联测试
  • 两个版本的冷邮件或 LinkedIn 消息
  • 两个版本之间只做一项改动
  • 随机拆分潜在客户名单
  • 最常见，也最容易分析
销售演示方式测试
  • 两种需求探询或产品演示方法
  • 需要录制通话并进行评分
  • 跟踪整个销售管道中的转化情况
时间安排测试
  • 不同的发送时间或跟进频率
  • 信息相同，时间安排不同
  • 测试星期几、一天中的时段以及跟进间隔
渠道测试
  • 电子邮件、LinkedIn 或电话
  • 根据渠道调整相同的信息
  • 比较回复率和回复质量
序列结构测试
  • 不同的触达次数
  • 不同的渠道组合
  • 比较完整序列的表现

销售测试的样本量

所需输入
  1. 基准率：当前的回复率／转化率
  2. 最小可检测效应（MDE）：值得检测的最小提升幅度
  3. 统计显著性：通常为 95%
  4. 统计功效：通常为 80%
冷邮件快速参考
基准回复率提升 20%提升 30%提升 50%
2%每个变体 9,500每个变体 4,200每个变体 1,500
5%每个变体 3,500每个变体 1,550每个变体 560
10%每个变体 1,600每个变体 700每个变体 250
15%每个变体 950每个变体 425每个变体 155
测试时长注意事项
  • 最短时长：1–2 周（考虑星期几带来的规律）
  • 考虑销售周期（有些交易需要数周才能成交）
  • 测试时间不要过长（市场状况会发生变化）

销售中可测试的内容

冷邮件要素

主题行

  • 个性化程度
  • 疑问句还是陈述句
  • 突出收益还是激发好奇
  • 长度（短还是中等）
  • 是否包含公司名称

开场白

  • 个性化观察
  • 以痛点切入
  • 共同联系人
  • 行业洞察
  • 直接提出请求

正文

  • 长度（简短还是详细）
  • 是否加入社会认同
  • 具体还是笼统的价值主张
  • 提及的收益数量
  • 语气（正式还是随意）

行动号召

  • 明确请求具体时间还是开放式请求
  • 低承诺请求还是邀约会议
  • 疑问句还是陈述句
  • 单个行动号召还是多个选项
冷电话要素

开场

  • 基于征求许可的开场白
  • 打破惯例
  • 提及转介绍
  • 直接切入

话术

  • 先谈痛点还是先谈解决方案
  • 问题为主还是陈述为主
  • 以故事为主还是以数据为主

异议应对

  • 针对常见异议采用不同的重新表述方式
  • 可加入哪些佐证
  • 何时坚持，何时转向
探索性电话

问题顺序

  • 先谈痛点还是先谈目标
  • 先了解当前状态还是先了解未来状态
  • 技术问题放在前面还是后面

演示方式

  • 以演示为主还是以交流为主
  • 定制流程还是标准流程
  • 是否加入客户案例
后续跟进序列

时间安排

  • 跟进间隔（1 天还是 3 天）
  • 序列总长度
  • 何时打破固定模式

内容

  • 每次触达都提供新价值还是仅作提醒
  • 每封邮件采用不同的切入角度
  • 何时引入紧迫感

设计销售方案变体

对照组（A）
  • 保持当前做法不变
  • 准确记录具体做法
  • 测试期间不要修改
变体（B+）

最佳实践：

  • 只做一项有意义的改变
  • 改动幅度要足够大，能产生影响
  • 符合假设

示例：主题行测试

对照组：“Quick question about [Company]'s sales process” 变体：“[First Name] - 23% more meetings with less effort”

示例：开场白测试

对照组：“I noticed [Company] recently expanded into the enterprise segment...” 变体：“Most sales leaders I talk to are frustrated that 60% of their pipeline goes dark after the first meeting...”

记录变体
Control (A):
- Full copy/script
- Current performance metrics

Variant (B):
- Full copy/script
- Specific changes made
- Hypothesis for why this will win

开展销售测试

上线前检查清单
  • 已记录假设
  • 已定义主要指标（回复率、会议率等）
  • 已计算样本量
  • 已估算测试时长
  • 已敲定并记录变体
  • 已随机打乱潜在客户名单
  • 已设置 CRM 跟踪
  • 已对团队进行测试规范培训
测试期间

要做：

  • 监控邮件送达问题
  • 持续跟踪回复
  • 记录任何外部因素
  • 将变体分开（不要混用）

不要做：

  • 不要因为某个变体看起来更好就提前停止
  • 不要在测试中途修改文案
  • 不要挑选哪些潜在客户收到哪个变体
  • 不要让销售代表即兴修改变体
保持测试完整性

名单随机化

  • 随机拆分名单，不要按区域或细分市场拆分
  • 确保各组潜在客户的质量相近
  • 记录随机化方法

一致执行

  • 两种变体在相同时间发送
  • 使用相同的跟进流程
  • 销售代表水平相同（或两种变体都由同一位销售代表负责）

分析销售测试结果

各测试类型的主要指标
测试类型主要指标次要指标
冷邮件回复率打开率、会议率、正面回复百分比
冷电话接通率、预约会议数通话时长、回拨率
探索性电话创建的销售机会交易金额、销售周期
提案成交率折扣百分比、决策时间
统计显著性
  • 95% 置信度 = p 值 < 0.05
  • 含义：结果由随机因素造成的概率 <5%
  • 使用统计显著性计算器
不只看数字

回复质量：

  • 回复是正面还是负面？
  • 会议参与者是决策者吗？
  • 销售机会符合资格要求吗？

后续影响：

  • 获胜变体带来的交易最终能成交吗？
  • 关注收入影响，而不只是回复率，实际收入影响如何？
关注事项

  1. 是否达到了样本量？

    • 如果没有，结果只是初步结论

  2. 是否具有统计显著性？

    • 检查置信区间
    • 不要轻信“趋势上呈现正向效果”的说法

  3. 效果是否有实际意义？

    • 提升 5% 可能不值得投入精力
    • 提升 30% 值得立即推广

  4. 检查下游指标

    • 回复增加是否带来了更多会议？
    • 会议增加是否带来了更多交易？

  5. 细分分析

    • 对某些行业是否效果更好？
    • 对某些职位头衔是否效果更好？

记录与学习

测试文档
Test Name: [Name]
Dates: [Start] - [End]
Owner: [Name]

Hypothesis:
[Full hypothesis statement]

Variants:
- Control: [Full copy + description]
- Variant: [Full copy + description]

Results:
- Sample size: [achieved vs. target]
- Primary metric: [control] vs. [variant] ([% change], [confidence])
- Secondary metrics: [summary]
- Segment insights: [notable differences]

Decision: [Winner/Loser/Inconclusive]
Action: [Rolling out / Testing further / Abandoning]

Learnings:
[What we learned, what to test next]
构建销售手册
  • 集中存放所有测试结果
  • 可按指标、细分群体和测试元素搜索
  • 避免重复进行失败的测试
  • 积累组织知识
  • 新销售代表可以了解哪些做法有效

高影响力测试建议

如果你刚起步
  1. 主题行个性化程度 - 在主题行中使用 [Company] 或 [First Name] 是否有帮助？
  2. 邮件长度 - 短邮件（50 个单词）与中等长度邮件（100 个单词）
  3. CTA 类型 - 指定时间与开放式问题
  4. 是否加入社会认同 - 提及客户与不提及客户
中级测试
  1. 先谈痛点还是先谈解决方案
  2. 单一收益还是多个收益
  3. 跟进时间 - 2 天与 4 天
  4. 结束联系的邮件 - 发送还是跳过
高级测试
  1. 视频邮件与文本邮件
  2. 多渠道序列 - 仅邮件与邮件 + LinkedIn
  3. 个性化深度 - 浅度调研与深入调研
  4. 探索性问题的顺序

常见错误

测试设计
  • 测试的改动太小（无法检测）
  • 一次测试多个改动（无法单独分析）
  • 没有明确的假设
  • 目标潜在客户细分群体不正确
执行
  • 某个版本看起来不错就提前停止
  • 不同销售代表的执行方式不一致
  • 没有随机分配潜在客户名单
  • 测试过程中途更改内容
分析
  • 忽略统计显著性
  • 不检查下游指标
  • 过度解读小样本
  • 不细分结果

要问的问题

如果需要更多背景信息：

  1. 你当前的回复率／转化率是多少？
  2. 你可以测试多少位潜在客户？
  3. 你在考虑什么改动？为什么？
  4. 值得检测的最小提升幅度是多少？
  5. 你有哪些用于跟踪的 CRM／工具？
  6. 你以前测试过这个领域吗？

相关技能

  • cold-outreach：用于撰写待测试的外联消息
  • discovery-calls：用于测试客户需求探索方式
  • analytics-tracking：用于设置销售指标跟踪
  • objection-handling：用于测试异议应对方式

评论

支持 Markdown