摘要：我們再來看國內(nèi)一線公司內(nèi)的一個實(shí)驗(yàn)吧數(shù)據(jù)訓(xùn)練營都在用的方法，詳解測試的那些坑如上是不同的引導(dǎo)卡片樣式的實(shí)驗(yàn)，最終結(jié)果樣式比樣式的提升。設(shè)指標(biāo)數(shù)值隱變量列顯變量列含方案變量。

作者｜螞蟻金服人工智能部產(chǎn)品經(jīng)理 范磊

本文首發(fā)｜微信公眾號 友盟數(shù)據(jù)服務(wù) （ID：umengcom），轉(zhuǎn)載請注明出處

If you are not running experiments，you are probably not growing！

——by Sean Ellis

Sean Ellis 是增長黑客模型（AARRR）之父，增長黑客模型中提到的一個重要思想就是“AB實(shí)驗(yàn)”。

從某種意義上講，自然界早就給了我們足夠多的啟示。為了適應(yīng)多變的環(huán)境，生物群體每天都在發(fā)生基因的變異，最終物競天擇，適者生存，留下了最好的基因。這個精巧絕倫的生物算法恐怕是造物者布置的最成功的AB實(shí)驗(yàn)吧。

將目光轉(zhuǎn)到互聯(lián)網(wǎng)世界，AB實(shí)驗(yàn)的受重視程度正在空前提高。

我們來看兩個著名案例
案例1 ：奧巴馬宣傳團(tuán)隊(duì)用AB實(shí)驗(yàn)幫其獲得更高的支持率

2008年，奧巴馬在競選中勝出，出任美國第44任總統(tǒng)，這離不開其個人人格魅力，但他的競選宣傳團(tuán)隊(duì)的作用也是不可忽略的，在總統(tǒng)競選頁面上，他的團(tuán)隊(duì)就用AB實(shí)驗(yàn)在16種方案中找到了最佳方案，將競選頁面"change"的轉(zhuǎn)化率提升40.6%。

實(shí)驗(yàn)這樣設(shè)計(jì)的：圖一中的圖片或視頻與圖二中的不同文案按鈕任意組合，形成4*4共16種不同方案組合，每個方案都獲得一定比例的流量，觀察一段時間后，從中選擇轉(zhuǎn)化率最高的方案，推廣到全部用戶。

最終如下方案勝出：

其團(tuán)隊(duì)事后給出的解釋是：視頻播放給用戶很大壓力，且當(dāng)時的網(wǎng)絡(luò)環(huán)境不能保證播放效果，故視頻不如圖片，且美國人崇尚家庭文化，一副溫馨的全家福圖片能拉近與選民的距離。至于按鈕文案，則是因?yàn)槊绹x民的獨(dú)立思考意識高，“join us”、“sign up”等文案讓人感覺非常簡單粗暴，有煽動的嫌疑，所以大家更接受平和一點(diǎn)的“l(fā)earn more”。

案例2 ：Facebook用AB實(shí)驗(yàn)挽救了20%的虧損
2012年，F(xiàn)acebook的產(chǎn)品vp Sam Lessin在扎克伯克的大力支持下，親率30人團(tuán)隊(duì)花費(fèi)大半年時間開發(fā)了一款新的版本。在上線前邀請的一些外部用戶與內(nèi)部員工的評價中，新版本酷炫時尚，比老版本好看的多。如圖：

（上圖為老版）

Facebook不愧是一家世界一流的互聯(lián)網(wǎng)公司，重大的迭代一定會進(jìn)行AB實(shí)驗(yàn)。他們先分配1%的流量給新版本，然后逐漸增多到2%，5%......實(shí)驗(yàn)的結(jié)果出乎大家意料，新版本在用戶參與度、在線時長、廣告展示數(shù)、營收等四個核心指標(biāo)的表現(xiàn)上嚴(yán)重落后老版本，剛開始大家覺得可能是用戶不習(xí)慣，但隨著新版本流量放大到12%，觀察的時間也拉長到3個月，但情況同樣很糟，新版本直接導(dǎo)致了20%的營收下降。最終Facebook壯士斷腕，讓所有用戶回滾到老版本，這才恢復(fù)了之前的數(shù)據(jù)。

而在國內(nèi)，一家知名的大學(xué)生社交網(wǎng)站因?yàn)榭吹搅苏谶M(jìn)行小流量實(shí)驗(yàn)的B方案，就直接copy并快速全流量上線，結(jié)果你們都知道的。到現(xiàn)在，這家網(wǎng)站已經(jīng)徹底淪為了三流互聯(lián)網(wǎng)產(chǎn)品。

由此可見失敗的產(chǎn)品方案不可怕，可怕的是沒有經(jīng)過AB實(shí)驗(yàn)就直接上線的公司制度和文化。

我們再來看國內(nèi)一線公司內(nèi)的一個AB實(shí)驗(yàn)case吧！

數(shù)據(jù)訓(xùn)練營｜BAT都在用的方法，詳解A/B測試的那些坑！
如上是不同的引導(dǎo)卡片樣式的AB實(shí)驗(yàn)，最終結(jié)果樣式2比樣式1的CTR提升24.8%。

你的團(tuán)隊(duì)是否有這樣的問題？
1、不經(jīng)過AB實(shí)驗(yàn)就直接全流量上線，成員在上線后拼命找數(shù)據(jù)證明自己正確，即便證據(jù)牽強(qiáng)，只要向外發(fā)布聲明都千篇一律##指標(biāo)又提升了##，眾人紛紛點(diǎn)贊。要知道Google、Facebook、Microsoft做AB實(shí)驗(yàn)的經(jīng)驗(yàn)是——90%的新設(shè)計(jì)都不如線上版本。及時你的團(tuán)隊(duì)也很牛，但也不至于把谷哥、face哥、微軟哥吊打吧？

2、你的團(tuán)隊(duì)非常有想法，但大家各執(zhí)己見，誰也不能說服誰，導(dǎo)致團(tuán)隊(duì)決策變得很困難。

團(tuán)隊(duì)的改變從第一個AB實(shí)驗(yàn)開始——誰的方案好，誰的方案能推全，與其吵吵吵，不如布置個AB實(shí)驗(yàn)，用數(shù)據(jù)來PK。

下文為你詳細(xì)解釋下AB實(shí)驗(yàn)的基本概念和常踩之坑。

什么是AB實(shí)驗(yàn)？
舉個例子，你提出了一個產(chǎn)品改進(jìn)方案（假設(shè)叫B），但不確定是否效果比線上版本（假設(shè)叫A）好，于是就將線上用戶1%的流量分到B，99%的流量分到A，持續(xù)觀察一段時間，如果B比A好，就將B推到100%的流量，如果A比B好，那就重新修改你的設(shè)計(jì)方案，重新再做實(shí)驗(yàn)。而如果不做AB實(shí)驗(yàn)直接上線新方案，如Facebook的例子，新方案甚至可能會毀掉你的產(chǎn)品。這里的方案可能是一組算法、一組文案、一組運(yùn)營活動、一組UI樣式，同時實(shí)驗(yàn)的并不一定是AB兩種方案，很可能是ABCDE...實(shí)驗(yàn)。

AB實(shí)驗(yàn)會遇到的問題
AB實(shí)驗(yàn)的實(shí)現(xiàn)當(dāng)然不會像上面的例子一樣簡單，比如你會遇到下面的問題：

1、如何確保1%的流量與99%的流量用戶群特征分布是一致的？

2、如果在實(shí)驗(yàn)的過程中有新的方案想法C，能否直接發(fā)布到線上同時實(shí)驗(yàn)？

3、如何同時并行所需總流量超過100%的多組實(shí)驗(yàn)？

4、如何選取指標(biāo)衡量AB方案，如果多個指標(biāo)數(shù)據(jù)表現(xiàn)不一，怎么決策？

5、如何確定方案B與A的指標(biāo)數(shù)值不同是隨機(jī)誤差造成還是統(tǒng)計(jì)可信的？

......

AB實(shí)驗(yàn)的基本原理是“控制變量法”。

設(shè)指標(biāo)數(shù)值=F（{隱變量列}、{顯變量列（含方案變量）}）。一個指標(biāo)的數(shù)據(jù)表現(xiàn)是由函數(shù)F和多個變量取值共同決定，所以指標(biāo)衡量結(jié)果不能簡單歸因于方案的差異，特別是其中還有很多我們永遠(yuǎn)無法知道的隱變量在施加影響。

那么我們是否要知道F和所有的變量才能下結(jié)論么？還有更加簡便的方法。我們可以確保兩個方案中其他的變量保持一致，那么A、B方案的指標(biāo)結(jié)果差異就只能歸結(jié)為版本的差異。AB實(shí)驗(yàn)就是利用控制變量法的思想，保證各個產(chǎn)品方案針對同質(zhì)人群（特征分布相同）、同一時間進(jìn)行實(shí)驗(yàn)，確保了除方案變量外其他變量一致，故能判定指標(biāo)差異是方案不同造成的，從而選擇出優(yōu)勝版本全流量上線，實(shí)現(xiàn)數(shù)據(jù)增長。

AB實(shí)驗(yàn)的作用很大，但是AB實(shí)驗(yàn)的實(shí)現(xiàn)并不簡單，往往會踩坑無數(shù)。

AB實(shí)驗(yàn)的坑有哪些？
1、人群不同質(zhì)

AB實(shí)驗(yàn)需要切分流量到不同方案，如果不能正確切分，使得分到不同方案的用戶群體特征分布一致，那么實(shí)驗(yàn)將沒有任何意義。為了便于理解，我們來看一個例子：

如果我們要對人群G做一個AB實(shí)驗(yàn)來找到發(fā)放什么禮品才能使用戶的注冊轉(zhuǎn)化率更高？A、B分別代表發(fā)放不同的獎品BB霜與剃須刀，G由子群G1與G2構(gòu)成（G1、G2分別代表女生、男生，且各占50%）。按照同質(zhì)用戶的要求，分給這兩方案的用戶流量中男女比例必須與總體一致，也即女：男=1:1。

這時，發(fā)生了一些意外......

實(shí)驗(yàn)中分給方案A的群體不幸都是G1（女生），分給方案B的群體是G2（男生），最終一種獎品比另外一種獎品有更高的注冊轉(zhuǎn)化率，比如A高于B，那么這時能下結(jié)論“獎品A比獎品B更受用戶喜歡，應(yīng)該給所有用戶發(fā)放獎品A”么？

肯定是不能的。這個決策相當(dāng)于認(rèn)為女生喜歡的就是男生喜歡的，根據(jù)實(shí)驗(yàn)結(jié)論，你應(yīng)該對所有的用戶G都發(fā)放注冊轉(zhuǎn)化率更高的禮品A。試想下男生領(lǐng)到BB霜時他們內(nèi)心是何種感受？

這里的問題就是不同方案分得的人群是不同質(zhì)帶來的。上述舉的例子為了便于理解，故比較絕對，實(shí)際過程中遇到更多的是A方案、B方案都是男女混合的群體，但是比例卻與總體1:1的分布不同，這樣同樣帶來錯誤的實(shí)驗(yàn)結(jié)論。

所以設(shè)計(jì)合理的分流算法，確保分流到每個方案的都是同一特征分布的人群是AB實(shí)驗(yàn)結(jié)論可信的前提。達(dá)爾文AB實(shí)驗(yàn)系統(tǒng)經(jīng)過一年多的探索，已形成一套相對可靠的分流算法。

2、實(shí)驗(yàn)不同時

在上面的例子中，如果方案A與方案B都是分到同一特征分布的群體G，那么數(shù)據(jù)一定具有可比性么？不一定。還是用極端的例子幫助理解。假設(shè)第一天，A方案分到100萬個用戶流量，B方案分到0個用戶流量，第二天A方案分到0個流量，B方案分到100萬個用戶流量，從整體看，這兩天的A方案與B方案的累計(jì)實(shí)驗(yàn)流量都是100萬，且人群是同質(zhì)的，實(shí)驗(yàn)結(jié)果應(yīng)該可信，但事與愿違，如果這是一個社交網(wǎng)站，實(shí)驗(yàn)是為了觀察不同產(chǎn)品版本A和B下用戶的主動加好友數(shù)量，則A方案明顯優(yōu)勢大很多，畢竟用戶多了一整天的時間去添加好友，這種情況下任何時間截面數(shù)據(jù)B都處于劣勢，且這種劣勢并不是方案不同造成的。同理，一個博客網(wǎng)站，如果對比不同方案下用戶的博客開通率、撰寫率，也可能犯同樣的錯誤。

另外一種情況是，在一些特殊日子中，用戶的活躍度會暫時性增高，如果A方案的作用時間剛好是節(jié)日，方案B的作用時間非節(jié)日，那么顯然這種比較對于B方案是不公平的。

上文提到的公式：“指標(biāo)結(jié)果=F（{隱變量列}、{顯變量列（含方案變量）}）”，隱變量、顯變量中很大一部分跟時間相關(guān)，時間不同，這些變量的取值也不同，從而就破壞了控制變量法的前提，得不出正確的實(shí)驗(yàn)結(jié)論。

最后列舉一個我們參與的一個case讓大家感受下：

樣式1的文案：《葵花寶典》帶你輕松使用XXX

樣式2的文案：哪些功能最熱門，我來告訴你

由于早期未規(guī)范實(shí)驗(yàn)管理規(guī)范，兩個樣式的實(shí)驗(yàn)并非同時開始：

1、樣式1，在4月7日的10：00開始實(shí)驗(yàn)

2、樣式2，在4月7日的0:00開始實(shí)驗(yàn)

最終統(tǒng)計(jì)的表現(xiàn)不一：

如果看4月7日10:00之后進(jìn)入實(shí)驗(yàn)的用戶數(shù)據(jù)，樣式2比樣式1的CTR只提升了大約0.3%，符合實(shí)驗(yàn)同時的前提條件，因此結(jié)論可信；

但如果看4月7日全天的數(shù)據(jù)，樣式2比樣式1的CTR提升了大約1%，這個不符合我們提到的實(shí)驗(yàn)同時做的條件，結(jié)論不可信；

此處也告訴我們：

1、進(jìn)行對比的各個實(shí)驗(yàn)版本（上文的樣式1與樣式2）一定要同時開啟實(shí)驗(yàn)

2、實(shí)驗(yàn)過程中不能隨意修改每個版本的流量，這也會間接導(dǎo)致上述問題

3、沒有AA實(shí)驗(yàn)的意識

AA實(shí)驗(yàn)是AB實(shí)驗(yàn)的孿生兄弟，有的互聯(lián)網(wǎng)公司也叫空轉(zhuǎn)實(shí)驗(yàn)。AA指的是實(shí)驗(yàn)中的各個方案都是一致的。這么做的目的是啥？這是為了測試埋點(diǎn)、分流、實(shí)驗(yàn)統(tǒng)計(jì)的正確性，增加AB實(shí)驗(yàn)的實(shí)驗(yàn)結(jié)論可信度。

設(shè)命題1為：“如果實(shí)驗(yàn)的埋點(diǎn)、分流和統(tǒng)計(jì)都沒有問題，那么AA實(shí)驗(yàn)中各個方案的數(shù)據(jù)表現(xiàn)一定一致”，若命題1成立，則其逆否命題2：“如果AA實(shí)驗(yàn)中各個方案的數(shù)據(jù)表現(xiàn)存在顯著差異，則實(shí)驗(yàn)的埋點(diǎn)、分流和統(tǒng)計(jì)肯定至少一項(xiàng)有問題。”也必定成立。

嚴(yán)格意義上講AA實(shí)驗(yàn)的通過并不能證明上述三項(xiàng)（埋點(diǎn)、分流、統(tǒng)計(jì)）絕對沒有問題，但是AA實(shí)驗(yàn)不通過一定能證明上述三項(xiàng)至少一項(xiàng)存在問題。

所以具備AB實(shí)驗(yàn)素養(yǎng)的團(tuán)隊(duì)，一定會在AB實(shí)驗(yàn)前布置AA實(shí)驗(yàn)。

4、實(shí)驗(yàn)反轉(zhuǎn)

假如一個實(shí)驗(yàn)布置到線上第一天，方案A比方案B好，能否代表第二天，第三天的數(shù)據(jù)表現(xiàn)還是如此？

用戶進(jìn)入到新方案中，很可能因?yàn)楹闷娑憩F(xiàn)的更加活躍，但隨著時間推移，逐漸趨于冷靜，數(shù)據(jù)表現(xiàn)回到本該有的水平，如果實(shí)驗(yàn)觀察期設(shè)置的過早，則容易得出錯誤的結(jié)論。反過來也如此，有的改版用戶很不習(xí)慣，但用了熟練之后發(fā)現(xiàn)比老版更便捷，數(shù)據(jù)會逐漸回暖。

另外一方面，做實(shí)驗(yàn)的樣本量太少，也可能出現(xiàn)反轉(zhuǎn)，拋100次硬幣和拋100萬次硬幣正面的頻次很可能不一樣，根據(jù)大數(shù)定律，隨著隨機(jī)實(shí)驗(yàn)的次數(shù)增加，隨機(jī)變量的頻次分布趨向于其概率分布。在這里，假設(shè)實(shí)驗(yàn)的第一天只有100個用戶進(jìn)入，由于樣本量太少，實(shí)驗(yàn)結(jié)果的隨機(jī)性太強(qiáng)，隨著天數(shù)增加，實(shí)驗(yàn)樣本也增加，實(shí)驗(yàn)結(jié)果可能會反轉(zhuǎn)。

一般情況下，我們不建議樣本量小于1000用戶的產(chǎn)品進(jìn)行AB實(shí)驗(yàn)，因?yàn)閷?shí)驗(yàn)結(jié)果很難得到保證。

5、延滯效應(yīng)

記得我們在上化學(xué)實(shí)驗(yàn)課時，老師一定是先讓你把試管洗干凈吧？這么做可不只是為了衛(wèi)生。待實(shí)驗(yàn)的化學(xué)藥劑如果與試管中殘留的藥劑混合，則實(shí)際實(shí)驗(yàn)的則是這種“被混合的藥劑”，實(shí)驗(yàn)結(jié)果當(dāng)然不可信。上述說的問題就是carry over——延滯效應(yīng)。

同樣在互聯(lián)網(wǎng)產(chǎn)品實(shí)驗(yàn)中，也存在這樣的問題。舉個例子，編號為00001-10000與編號10001-20000的用戶之前被分到不同的實(shí)驗(yàn)方案（A和B）進(jìn)行實(shí)驗(yàn)，這個實(shí)驗(yàn)結(jié)束后團(tuán)隊(duì)開始要進(jìn)行一個新的實(shí)驗(yàn)，如果沒有特殊處理，則可能00001-10000及10001-20000的用戶也是被分到兩個方案中（A1，B1），此時實(shí)驗(yàn)結(jié)果可信么？00001-10000的用戶之前經(jīng)歷過方案A，現(xiàn)在全部落在了方案A1上，10001-20000的用戶之前經(jīng)歷了方案B，現(xiàn)在全部落在了方案B1上，也許在做第一個實(shí)驗(yàn)前兩個用戶群是同質(zhì)的，但做了第一個實(shí)驗(yàn)后，這兩個群體已經(jīng)不同質(zhì)，要進(jìn)行第二個實(shí)驗(yàn)則必須采用一定的算法將兩個用戶群重新打散，獲得 一個新的編號排列，再切分出兩個同質(zhì)人群進(jìn)行第二個實(shí)驗(yàn)，或者重新拿出新的號段出來實(shí)驗(yàn)，比方20001-30000，30001-40000。

以上列舉的只是一些常識性的坑，實(shí)際過程中還會遇到更多.....

在國內(nèi)的頂級互聯(lián)網(wǎng)公司BAT中，AB實(shí)驗(yàn)已非常普遍，百度同時有上千個AB實(shí)驗(yàn)并行，阿里巴巴和騰訊也有自己的AB實(shí)驗(yàn)系統(tǒng)用以支持多業(yè)務(wù)大規(guī)模并行的AB實(shí)驗(yàn)。

“如何把AB實(shí)驗(yàn)文化根植到公司的基因中去？”，時代正在向所有的互聯(lián)網(wǎng)公司發(fā)出提問。

本文首發(fā)自微信公眾號 友盟數(shù)據(jù)服務(wù) （ID：umengcom），轉(zhuǎn)載請注明出處

數(shù)據(jù)智能 驅(qū)動品牌 / 業(yè)務(wù)持續(xù)增長

歡迎點(diǎn)擊：【友盟+】官網(wǎng) 了解更多解決方案