TG-Staff 分流連結 A/B 測試指南：用魔法連結優化廣告歸因與 Bot 歡迎語轉換

Telegram Bot 已成為跨境客服、社群營運和 Web3 專案獲客的重要渠道。但很多團隊面臨一個共同難題：用戶點擊廣告進入 Bot 後，無法追蹤來源，也無法對比不同歡迎語的轉換效果。傳統做法是手動打標籤或依賴用戶主動報備，數據混亂且不可靠。

TG-Staff 的分流連結（魔法連結）為此提供了解決方案。本文將手把手教你用分流連結做 A/B 測試，實現廣告歸因與歡迎語優化，讓每一次 Bot 對話都有數據可循。

為什麼需要為 Telegram Bot 做分流連結 A/B 測試？

假設你在 Facebook 和 Twitter 同時投放廣告，都引導用戶進入同一個 Telegram Bot。如果沒有歸因機制，你無法知道：

• 哪個渠道帶來的會話量更多？
• 哪個渠道的用戶更願意與坐席對話？
• 當前歡迎語是否對某個渠道的用戶無效？

更關鍵的是，Bot 歡迎語是用戶的第一印象。一條促銷導向的歡迎語可能在 Facebook 廣告場景下轉換率高，但在 Twitter 社群中卻被視為騷擾。沒有 A/B 測試，你只能憑感覺優化，浪費大量流量。

TG-Staff 的分流連結（官方文件中稱為「魔法連結」）正好解決這兩個痛點：它能在跳轉 Bot 前捕獲訪客來源資訊，同時支援為不同連結綁定不同的 Bot 歡迎語流程，讓你像做網頁 A/B 測試一樣，科學優化 Telegram Bot 的獲客效率。

TG-Staff 分流連結（魔法連結）的歸因原理

分流連結的工作流程如下：

1. 你在 TG-Staff 控制台為某個 Bot 專案生成一條短鏈（如 https://app.tg-staff.com/abc123）。
2. 用戶點擊短鏈 → TG-Staff 伺服器捕獲訪客的 IP 位址、瀏覽器 User-Agent 和 URL 查詢參數（如 ?source=facebook）。
3. 自動跳轉至你的 Telegram Bot，用戶啟動 Bot 後進入歡迎語流程。
4. 坐席在 Web 端接待時，會話詳情中會顯示該用戶的來源參數，方便歸因。

這意味著你可以像管理網頁廣告連結一樣，為不同渠道、不同活動生成專屬的 Telegram Bot 入口，且所有數據最終匯總到 TG-Staff 後台。

第一步：建立兩條分流連結用於 A/B 測試

登入 TG-Staff 控制台，進入目標 Bot 專案。在「分流連結」或「魔法連結」頁面，建立兩條連結。

連結 A：落地參數配置範例

• 名稱：Facebook 春季促銷廣告
• 目標連結：自動填入你的 Bot 連結（無需手動填寫）
• URL 參數：?utm_source=facebook&utm_campaign=spring_sale&variant=A

參數命名遵循 UTM 標準，你也可以自訂 source 和 campaign。關鍵是要讓「variant=A」明確標示這是測試組 A。

連結 B：落地參數配置範例

• 名稱：Twitter 春季促銷廣告
• 目標連結：同一 Bot
• URL 參數：?utm_source=twitter&utm_campaign=spring_sale&variant=B

兩條連結指向同一個 Bot 專案，但參數不同。後續在歡迎語流程中，我們將根據 variant 參數來區分回覆內容。

第二步：設計兩套 Bot 歡迎語版本

在 TG-Staff 的「可視化命令流程」中，你可以為每個分流連結綁定不同的歡迎語流程。具體操作：在流程編輯器中，為「分流連結入口」節點新增條件分支，根據 URL 參數值（如 variant=A）跳轉到不同的歡迎語模組。

歡迎語版本 A：促銷導向

適合對價格敏感的渠道（如 Facebook 購物廣告）。

範例文案：

🎉 限时优惠！今日下单立减 20%！

回复「1」查看折扣商品
回复「2」联系客服咨询
回复「3」了解更多

流程設計要點：首條訊息直接強調折扣和急迫感，配合按鈕引導用戶快速行動。如果用戶選擇「聯絡客服」，直接轉入人工客服。

歡迎語版本 B：問題解決導向

適合對信任度要求高的渠道（如 Twitter 社群或業界論壇）。

範例文案：

👋 你好！我是 XX 产品的智能助手。

请告诉我你遇到了什么问题？
- 想了解产品功能？回复「功能」
- 遇到使用问题？回复「帮助」
- 直接与人工客服对话？回复「人工」

流程設計要點：先建立信任，引導用戶描述需求，再逐步推薦解決方案。這種版本更容易篩選出高品質意向用戶，減少無效對話。

第三步：部署分流連結到廣告渠道

將連結 A 投放到 Facebook 廣告的「行動呼籲」按鈕，連結 B 投放到 Twitter 推文或 Telegram 社群公告中。

關鍵變數控制：

• 廣告時間：兩條連結的投放時間保持一致（如同時投放 3 天）。
• 受眾定位：盡量選擇相似的受眾輪廓（如年齡、興趣），避免因受眾差異導致數據偏差。
• 廣告素材：如果使用圖片或影片，保持視覺風格統一，僅改變落地連結。

這樣，最終的數據差異主要歸因於歡迎語版本和渠道來源，而不是其他混雜因素。

第四步：在 TG-Staff 後台比對歸因數據

登入 TG-Staff 控制台，進入「數據統計」或「對話」頁面（專業版用戶可查看更詳細的用戶輪廓與歸因數據）。按以下維度篩選：

1. 按 variant 參數分組：查看 variant=A 和 variant=B 各自的對話總數。
2. 按 utm_source 分組：對比 Facebook 和 Twitter 渠道的對話量。
3. 查看「客服承接率」：有多少用戶從 Bot 自動回覆進入了人工客服對話。這是衡量歡迎語效果的核心指標。
4. 查看「用戶停留時間」：用戶在歡迎語流程中停留多久。停留時間過短可能意味著歡迎語不吸引人。

判斷標準：

• 如果 variant=A 的客服承接率比 variant=B 高 20% 以上，說明促銷導向的歡迎語在該渠道更有效。
• 如果 variant=B 的用戶停留時間更長且最終轉換率更高，說明問題解決導向的歡迎語更適合該渠道。

進階技巧：結合會話分流規則優化承接效率

當 A/B 測試得出最佳歡迎語版本後，你可以進一步優化坐席資源分配。

在 TG-Staff 的「會話分流」設定中，為高轉換渠道（如 Facebook 廣告）配置專屬坐席組，確保該渠道的優質用戶能優先被線上坐席承接。分流規則支援兩種模式：

• 輪流分配：按順序將會話分配給有權限的坐席，適合坐席數量均衡的團隊。
• 線上優先：優先分配給當前線上的坐席，適合坐席排班不固定的場景。

同時，將分流連結與「引流分流」鏈路結合：廣告 → 分流連結 → Bot 自動回覆 → 人工坐席承接，形成完整的獲客轉換閉環。

常見問題

問：分流連結是否支援 UTM 參數？

答： 支援。你可以在分流連結後追加任意 ?key=value 參數（如 ?utm_source=facebook&utm_campaign=test），TG-Staff 會自動捕獲這些參數並記錄在會話歸因中。建議使用標準 UTM 命名規範，方便與其他分析工具對接。

問：A/B 測試需要專業版套餐嗎？

答： 不需要。建立分流連結是標準版及以上套餐的功能（價格詳見官網套餐頁），但查看會話歸因統計（如按來源篩選會話）需要專業版。免費試用 3 天內可體驗全部功能，建議在試用期內完成測試配置。

問：如何確保兩條連結的流量來源不被混淆？

答： 最佳做法是為每條連結使用唯一的 URL 參數（如 ?source=facebook_ad 和 ?source=twitter_post），並在 TG-Staff 後台按參數篩選會話。避免使用相同的參數值，也不要讓用戶自行選擇版本。

問：歡迎語測試對坐席承接率有多大影響？

答： 根據常見實務，優化後的歡迎語可將用戶進入人工坐席的比例提升 20%–40%。關鍵在於歡迎語是否清晰引導用戶表達需求（如「請描述您的問題」），而非單純推銷。建議至少測試兩組差異明顯的文案。

問：分流連結能否用於 Telegram 群組或頻道？

答： 可以。分流連結本質是 URL 短鏈，可嵌入 Telegram 群組訊息、頻道貼文、網站按鈕或任何支援連結跳轉的位置。但請注意，Telegram 內點擊連結會預設使用 Telegram 內建瀏覽器，不影響歸因捕獲。在群組中發佈時，建議附帶簡短說明，引導用戶點擊。

---

準備好用數據優化你的 Telegram Bot 獲客了嗎？

• 立即註冊 TG-Staff 免費試用（3 天，無需信用卡）
• 查閱分流連結參數配置文件取得詳細操作指南
• 聯絡客服 Bot @tgstaff_robot 諮詢具體配置問題