AB测试 简介
文章目录
- 一、概念&来源
- 二、好处&优势
- 三、适用场景及限制
- 不适用：
- 弊端
- 四、AB测试落地
- 五、注意事项
一、概念&来源
来源于生物医学的双盲测试
说白了就是用尽量相同的样本来测不同的方案，通过结果来判断出两种方案的好坏。
二、好处&优势
哪种方案更好？
好处：
- 消除不同意见，提高团队效率
- 通过对比试验，验证问题原因
- 建立数据驱动文化：结果科学权威，避免过度依赖大牛，降低风险
- 降低新产品风险，为创新保驾护航
三、适用场景及限制
不适用：
- 不适合原始的创新解决方案
- 不适合战略级的策略/决策验证
- 用户量不大的业务场景
适用于小规模的创新，但不适用于原始的创新。
弊端
- 设计、开发工作量增加
- 代码维护成本增高
- 用户要求规模大
- 只见现象，不见原因
四、AB测试落地
五、注意事项
-
不要盲目追求过大样本量 理论上来说，样本越多越科学合理；但实际上，流量太大，会造成不可预估的破坏性。
-
检验样本有效性 再做一组AA测试来看 同样的样本量同样的环境，测试数据是否差别大。差别小，则样本量合适；差别大，说明不合适。
-
多实验影响 原则上保证实验的纯粹性。纵向切分保证不同测试流量独享；横向切分保证不同应用在不同层次。
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！