老客户更喜欢旧风格，怎样判断是熟悉还是设计更好？

先把“喜欢哪版”拆成两个问题：受访者是否熟悉品牌旧风格，以及哪版更清楚地传达了商品信息。分别记录这两类回答，并报告样本构成与限制；不要把老客户偏好直接解释成旧设计客观更好，也不要声称分组提问已经排除了熟悉度影响。没有合适的对照或后续验证时，结论应停留在“不同经验群体的反馈不同”。

用同一套问题比较

假设一家店要测试两张商品广告：A沿用常见的旧版式，B调整了标题层级和产品图位置。初步评论里，老客户多说A“看起来更像这个品牌”，新访客则更容易指出B的商品用途。此时，“像品牌”与“看懂商品”是不同评价，不能合并成一个胜负结论。

可以在看图前询问参与者：

• 过去是否买过该品牌的商品？
• 过去一段时间里，是否见过或关注过该品牌的广告、社媒内容或商品页？
• 对品牌的熟悉程度如何？可用简单的自评选项，并保留“不确定”。

问题应描述经验，而不是替受访者贴标签。比如“是否买过”不等于“是否熟悉视觉风格”；没买过的人也可能经常看到广告。把购买经历、接触经历和自评熟悉度分开记录，解释时才不容易混为一谈。

之后让所有人回答相同的问题，顺序也尽量一致：哪版更容易看出卖什么？关键信息是否容易找到？哪版更符合你对这个品牌的预期？最后再问总体偏好，并允许回答“差不多”或“说不清”。如果只问“你喜欢哪张”，就无法知道偏好指的是熟悉感、信息清晰度还是审美。

分组时看什么

报告可按经验描述反馈，例如“自报经常接触品牌的人更常选择A；较少接触的人更常选择B”。每组注明人数和收集方式；如果某组人数很少，展示原始回答或明确标为探索性观察，不要用确定语气概括群体。

接着检查各组对具体任务的评价是否一致。若老客户偏好A，但两组都认为B的商品用途更清晰，较稳妥的解释是：熟悉度可能参与了总体偏好，而B在这项信息任务上获得了更一致的评价。这仍不是因果证明。两版还可能同时在颜色、构图、文案或产品图上不同，任何一个差异都可能影响反馈。

NN/g关于可学性评估的建议强调记录参与者此前的相关系统经验，并在必要时区分经验群体。这个方法支持把经验作为解释反馈的背景变量；它本身不能证明广告改版必然存在熟悉度效应，也不能预测销量变化。NN/g：测量可学性

技术受众标签也不能替代经验提问。Optimizely对“新访客／返回访客”的条件按会话状态区分；这类标签不等于“对品牌陌生／熟悉”，返回访客也不等于老客户。Optimizely：按条件定位受众 如果使用分析平台的访客状态，报告应写明标签的实际定义，不要把它改称品牌经验。

把结论写到证据边界内

一份简洁的报告可以按以下顺序完成：

1. 定义要判断的任务。 例如比较“商品用途是否清楚”，而不是笼统寻找更好的设计。
2. 记录经验维度。 分别保存购买经历、广告接触和自评熟悉度；说明缺失回答如何处理。
3. 统一观看与提问条件。 两版使用相同展示方式和问题。若设备或播放器不同，视觉呈现也可能不同；可参考不同播放器显示差异的排查方法，但不要把显示条件问题误判成品牌熟悉度。
4. 分组呈现，不夸大差异。 给出每组人数、收集方式和具体反馈；小规模测试更适合发现问题与形成假设，不宜仅凭少量结果宣布赢家。小样本广告测试能告诉你什么
5. 列明替代解释。 例如两版的文案、颜色、产品图或信息层级同时变化，便无法将偏好差异单独归因于熟悉度。

停止条件是：如果各组太小、经验回答缺失、观看条件不一致，或两版同时改了多个关键元素，就只报告观察到的反馈和不确定性，不给出“熟悉度导致偏好”的结论。若决策重要且需要区分原因，应设计能分别检验相关变化的后续测试；分组提问能帮助解释结果，但不能代替实验设计，也不能保证消除混淆。

本文由 CartVisual 编辑团队基于公开资料与编辑推理整理，采用 AI 辅助研究与写作。假设例子不代表实际商品测试或投放成绩；联系勘误。