APP推广合作
联系“鸟哥笔记小乔”
我做AB Test遇到的坑
2021-06-30 16:10:43

大家好,我是策略产品经理夏唬人。

AB测试,是产品经理经常用于对新老方案上线后的效果进行对比的方法,核心目的在于通过AB测试能够增加需求上线后能够给平台带来正向收益的确定性,

页面功能的改动,需要进行AB测试,来观测用户对新老功能的使用情况;

策略逻辑的改动,需要进行AB测试,来观测流量在不同逻辑下的转化和收益。

总之,AB测试目前已经成为了一种大家公认的通过数据对比,来决策新方案是否上线的一个标准

但是,我看到一种现象就是,大多数产品经理都是为了做AB ,而做AB。其中涉及到几个非常重要的环节,稍有不慎就会入坑。

01 随意进行流量设置 

AB实验流量的控制是很多产品经理会忽视的一个环节。先看一个我经历过的案例。 

我记得刚去搜索团队的时候,有个产品经理在线上跑了一个搜索策略优化的AB实验,按照预期,新策略肯定要比老策略好。

但是她面临的问题是,一个AB实验做了半年了,因为AB结果数据经常波动,导致实验结果很难敲定下来。 

也就是有的时候是实验组比对照组好,有的时候是实验组比对照组差,很难体现出趋势性。 

后来,我看了看他们做的AB方案,发现了问题所在。 

他们给这个AB Test分了两个组,实验组和对照组。因为担心新策略的影响面太大,因此给新策略,也就是实验组分了10%的流量,然后直接用这10%的流量,与剩下90%的流量来进行AB实验。

此时,问题在哪,我估计大家也看出来了。

AB Test,为了尽量保证结果的可信,最基本的给到每个BUCKET(桶,组的概念)的流量是一样大小的。

就拿这个实验来说,考虑降低新策略的影响范围没错,但是拿一个10%流量的实验数据和一个90%流量的实验数据进行对比,很明显难以得出可信的结论。 

所以我后来把AB Test的方案进行了调整,整个AB Test分了三个组:实验、对照和空白。其中实验和对照分别设置了20%的流量,用于进行实验数据对比,空白组60%的流量。

最终收集了4周的数据之后,成功把新策略全量上线。

这就是AB Test中大家首先要避免的一个坑,就是要保证外界变量的一致性,最基础的就是实验组和对照组流量是对等的,然后才有可能得到可信的结论。 

02 持续时间越长越好 

AB测试的时间越长越好么?

 理论上来说确实是这样。 

但是大家需要考虑一个情况是,对于AB实验来说,每增加一个实验组实际相当于线上新开发一套方案,所以持续时间比较长的AB实验会给开发,测试,运维等相关方带来不少的资源消耗。

所以AB实验并不是持续时间越长越好,实际操作过程中还是要结合我们的需求类型和影响范围来决定。

按照目前我们实施的方式:

对于策略逻辑类的改动,通常AB Test的持续时间在2周左右,即可进行决策;

但是,对于涉及到用户交互习惯改动的需求,AB Test的时间会拉长,比如持续1~2个月。 

以上大家可以参考。

03 所有需求都做AB测试

常说,酒虽好,可不要贪杯。

AB Test一个道理。

虽说AB Test是一种科学的检验不同方案效果的手段,但是,大家不要忘了大前提,也就是当你对当前需求收益不确定,所以才需要做AB Test。

如果一个需求从收益的角度来说是十分确定的,那么很明显此时是无需进行AB Test的。我们上面已经聊过了AB Test的成本投入还是很大的。

通常对于如下几类需求是不需要进行AB Test的。比如:

1. 业务基础能力搭建需求。也就是你当前做的事情是业务基础能力范畴,用户没有这个能力就无法完成一个完整的业务流程。

比如在电商中的黄金流程:首页-列表-商品详情页-购物车-提交订单-支付完成,在你刚开始搭这些流程功能的时候,是完全无需进行ABTest的。

2. 业务战略类需求。这类需求通常都是公司从长期战略方向需要支持的产品迭代,因此无论它是否能够给当前业务带来收益,都需要进行支持和上线。

所以,并不是所有需求都需要进行AB Test,更不要以为只有做AB Test的需求才是科学的。

总之一句话,不要为了做AB,而做AB。

04 有数据即做决策 

当你拿到AB数据的时候,是不是就觉得万事大吉了呢? 

很多产品经理在拿到AB Test数据之后,接下来就是对比实验组和对照组的相关指标数据。如果实验组在核心指标上优于对照组,那么就认为可以全量实验组,否则,就不可全量。 

但是这种做法实际上是忽视了AB Test背后的实际含义。

AB Test的本质上是一个标准的独立双样本检验(具体概念百度一下),最终基于大量用户的行为数据上的统计指标,得出对原假设的判断。 

因此,A/B测试实际上对一个假设进行检验的过程。具体大家可以网上搜寻一下AB测试与数理统计的一些介绍文章。

所以,当我们拿到AB Test的数据时,首先应该做的事情就是看一下这些数据是否能够支持我们得出可信的结论。

这里给大家一个常用的方法:P值。

具体概念我也不解释了,总之P值是检验不同结果之间是否具有显著性差异的一个统计学指标。因此我们可以用它来检测实验组和对照组之间的指标差异是否具有显著性。

常用的判断标准:

1. P<0.01 极具显著性差异

2. 0.01

3. P>0.05   无显著性差异

前两种表明当前ABTest实验组和对照组的之间的差异是显著的,也就是我们可以用当前实验结果来进行决策;否则就需要重新进行AB Test。 

关于P值这个指标如何计算,这里就不讲了。 

那么大家知道,如果一次AB Test中,所有指标的P值均大于0.05,那么如何解决这个问题,我下篇文章公布。

以上几个就是我做AB测试遇到的坑,希望能帮到你。

-END-

夏唬人
分享到朋友圈
收藏
收藏
评分

综合评分:

我的评分
Xinstall 15天会员特权
Xinstall是专业的数据分析服务商,帮企业追踪渠道安装来源、裂变拉新统计、广告流量指导等,广泛应用于广告效果统计、APP地推与CPS/CPA归属统计等方面。
20羽毛
立即兑换
一书一课30天会员体验卡
领30天VIP会员,110+门职场大课,250+本精读好书免费学!助你提升职场力!
20羽毛
立即兑换
顺丰同城急送全国通用20元优惠券
顺丰同城急送是顺丰推出的平均1小时送全城的即时快送服务,专业安全,准时送达!
30羽毛
立即兑换
夏唬人
夏唬人
发表文章62
京东/美团/阿里策略产品专家。《策略产品经理,数据赋能业务》作者
确认要消耗 0羽毛购买
我做AB Test遇到的坑吗?
考虑一下
很遗憾,羽毛不足
我知道了

我们致力于提供一个高质量内容的交流平台。为落实国家互联网信息办公室“依法管网、依法办网、依法上网”的要求,为完善跟帖评论自律管理,为了保护用户创造的内容、维护开放、真实、专业的平台氛围,我们团队将依据本公约中的条款对注册用户和发布在本平台的内容进行管理。平台鼓励用户创作、发布优质内容,同时也将采取必要措施管理违法、侵权或有其他不良影响的网络信息。


一、根据《网络信息内容生态治理规定》《中华人民共和国未成年人保护法》等法律法规,对以下违法、不良信息或存在危害的行为进行处理。
1. 违反法律法规的信息,主要表现为:
    1)反对宪法所确定的基本原则;
    2)危害国家安全,泄露国家秘密,颠覆国家政权,破坏国家统一,损害国家荣誉和利益;
    3)侮辱、滥用英烈形象,歪曲、丑化、亵渎、否定英雄烈士事迹和精神,以侮辱、诽谤或者其他方式侵害英雄烈士的姓名、肖像、名誉、荣誉;
    4)宣扬恐怖主义、极端主义或者煽动实施恐怖活动、极端主义活动;
    5)煽动民族仇恨、民族歧视,破坏民族团结;
    6)破坏国家宗教政策,宣扬邪教和封建迷信;
    7)散布谣言,扰乱社会秩序,破坏社会稳定;
    8)宣扬淫秽、色情、赌博、暴力、凶杀、恐怖或者教唆犯罪;
    9)煽动非法集会、结社、游行、示威、聚众扰乱社会秩序;
    10)侮辱或者诽谤他人,侵害他人名誉、隐私和其他合法权益;
    11)通过网络以文字、图片、音视频等形式,对未成年人实施侮辱、诽谤、威胁或者恶意损害未成年人形象进行网络欺凌的;
    12)危害未成年人身心健康的;
    13)含有法律、行政法规禁止的其他内容;


2. 不友善:不尊重用户及其所贡献内容的信息或行为。主要表现为:
    1)轻蔑:贬低、轻视他人及其劳动成果;
    2)诽谤:捏造、散布虚假事实,损害他人名誉;
    3)嘲讽:以比喻、夸张、侮辱性的手法对他人或其行为进行揭露或描述,以此来激怒他人;
    4)挑衅:以不友好的方式激怒他人,意图使对方对自己的言论作出回应,蓄意制造事端;
    5)羞辱:贬低他人的能力、行为、生理或身份特征,让对方难堪;
    6)谩骂:以不文明的语言对他人进行负面评价;
    7)歧视:煽动人群歧视、地域歧视等,针对他人的民族、种族、宗教、性取向、性别、年龄、地域、生理特征等身份或者归类的攻击;
    8)威胁:许诺以不良的后果来迫使他人服从自己的意志;


3. 发布垃圾广告信息:以推广曝光为目的,发布影响用户体验、扰乱本网站秩序的内容,或进行相关行为。主要表现为:
    1)多次发布包含售卖产品、提供服务、宣传推广内容的垃圾广告。包括但不限于以下几种形式:
    2)单个帐号多次发布包含垃圾广告的内容;
    3)多个广告帐号互相配合发布、传播包含垃圾广告的内容;
    4)多次发布包含欺骗性外链的内容,如未注明的淘宝客链接、跳转网站等,诱骗用户点击链接
    5)发布大量包含推广链接、产品、品牌等内容获取搜索引擎中的不正当曝光;
    6)购买或出售帐号之间虚假地互动,发布干扰网站秩序的推广内容及相关交易。
    7)发布包含欺骗性的恶意营销内容,如通过伪造经历、冒充他人等方式进行恶意营销;
    8)使用特殊符号、图片等方式规避垃圾广告内容审核的广告内容。


4. 色情低俗信息,主要表现为:
    1)包含自己或他人性经验的细节描述或露骨的感受描述;
    2)涉及色情段子、两性笑话的低俗内容;
    3)配图、头图中包含庸俗或挑逗性图片的内容;
    4)带有性暗示、性挑逗等易使人产生性联想;
    5)展现血腥、惊悚、残忍等致人身心不适;
    6)炒作绯闻、丑闻、劣迹等;
    7)宣扬低俗、庸俗、媚俗内容。


5. 不实信息,主要表现为:
    1)可能存在事实性错误或者造谣等内容;
    2)存在事实夸大、伪造虚假经历等误导他人的内容;
    3)伪造身份、冒充他人,通过头像、用户名等个人信息暗示自己具有特定身份,或与特定机构或个人存在关联。


6. 传播封建迷信,主要表现为:
    1)找人算命、测字、占卜、解梦、化解厄运、使用迷信方式治病;
    2)求推荐算命看相大师;
    3)针对具体风水等问题进行求助或咨询;
    4)问自己或他人的八字、六爻、星盘、手相、面相、五行缺失,包括通过占卜方法问婚姻、前程、运势,东西宠物丢了能不能找回、取名改名等;


7. 文章标题党,主要表现为:
    1)以各种夸张、猎奇、不合常理的表现手法等行为来诱导用户;
    2)内容与标题之间存在严重不实或者原意扭曲;
    3)使用夸张标题,内容与标题严重不符的。


8.「饭圈」乱象行为,主要表现为:
    1)诱导未成年人应援集资、高额消费、投票打榜
    2)粉丝互撕谩骂、拉踩引战、造谣攻击、人肉搜索、侵犯隐私
    3)鼓动「饭圈」粉丝攀比炫富、奢靡享乐等行为
    4)以号召粉丝、雇用网络水军、「养号」形式刷量控评等行为
    5)通过「蹭热点」、制造话题等形式干扰舆论,影响传播秩序


9. 其他危害行为或内容,主要表现为:
    1)可能引发未成年人模仿不安全行为和违反社会公德行为、诱导未成年人不良嗜好影响未成年人身心健康的;
    2)不当评述自然灾害、重大事故等灾难的;
    3)美化、粉饰侵略战争行为的;
    4)法律、行政法规禁止,或可能对网络生态造成不良影响的其他内容。


二、违规处罚
本网站通过主动发现和接受用户举报两种方式收集违规行为信息。所有有意的降低内容质量、伤害平台氛围及欺凌未成年人或危害未成年人身心健康的行为都是不能容忍的。
当一个用户发布违规内容时,本网站将依据相关用户违规情节严重程度,对帐号进行禁言 1 天、7 天、15 天直至永久禁言或封停账号的处罚。当涉及欺凌未成年人、危害未成年人身心健康、通过作弊手段注册、使用帐号,或者滥用多个帐号发布违规内容时,本网站将加重处罚。


三、申诉
随着平台管理经验的不断丰富,本网站出于维护本网站氛围和秩序的目的,将不断完善本公约。
如果本网站用户对本网站基于本公约规定做出的处理有异议,可以通过「建议反馈」功能向本网站进行反馈。
(规则的最终解释权归属本网站所有)

我知道了
恭喜你~答对了
+5羽毛
下一次认真读哦
成功推荐给其他人
+ 10羽毛
评论成功且进入审核!审核通过后,您将获得10羽毛的奖励。分享本文章给好友阅读最高再得15羽毛~
(羽毛可至 "羽毛精选" 兑换礼品)
好友微信扫一扫
复制链接