什么是 A/B Testing？

关于A/B 有很多层的定义，通俗来说，A/B 是一种工具，通过分隔 A 和 B 两个版本，统计数据，进而看哪个版本的数据效果更好，对产品目标更有帮助。

在这里我更多想从 A/B 本身的意义来说一下它的定义。

以我们的业务迭代为例，我们会定义产品的业务数据指标（这些指标通常是可以直接和间接反映我们的业务目标的），然后我们在业务迭代中不断提出假设，期望通过做这些假设的改变来提升相对应的业务指标。而在这里 A/B 就是用来衡量我们提出的业务改进假设是否有效的一种方法，从统计学意义上说是一类假设验证的方法。

我觉得这样定义的好处是，A/B 不仅仅是一个工具，更多是一种与业务发展融合在一起的迭代思路，并且在 A/B 背后实际有着科学的统计学的依据支撑着，你也会更加关注每一个业务假设是否真的是有效的。

用户增长中最忌讳的是盲目套用其他业务线的增长手段，而忽视了自己业务的分析和推导的过程，凡事是否正确，需要我们测一测才知道。

产品在什么阶段适合 A/B Testing？

对于一个初创项目，产品刚刚孵化，这种时候不太适合做 A/B 测试，因为这个时候我们的目标相对是比较明确的，就是快速形成“原型”产品和大框架，把“产品生下来”，因此也基本上不会有太多抠细节的部分。
而当产品到了一定的阶段，模式已经成型比较稳定，相对处于快速迭代的阶段，就比较适合利用 A/B Testing 来助力业务发展了。

A/B Testing 的步骤

说 A/B Testing 的步骤之前，我想说，A/B Testing 实验不是说你做了一次实验拿到结果就再也不用做 A/B 了，它更多是一个不断优化和理解产品以及用户的过程。

因此，这里所说的 A/B Testing 的步骤不是指我们如何在平台上面配置一次 A/B 实验，而是更大范围的，如何用 A/B Testing 优化产品的步骤。

总的来说，业界一般会给 A/B Testing 划分为 8 个步骤。

这是我学习看到的 8 阶段 A/B 划分，可以看到我们技术同学最关注的创建 A/B 实验，实际上只是其中的第 4、5 步，而除此之前，我们还有很多工作要做，那么要科学做 A/B 我们究竟每一步应该做些啥呢？我们来看一下。

1. 建立产品漏斗

这一步往往在我们的工作中会被忽略掉，我觉得，不管是业务还是技术同学，我们都有必要了解自己的产品链路以及用户的漏斗，知道了用户从哪里来，我们希望用户去哪里，才能够有准备的做增长。例如用户拉新的流程，它的漏斗大致可以是：

2. 确定产品链路核心指标

在明确了产品的漏斗之后，我们需要明确要观察产品链路中的哪些核心指标。

如果你的关注点仅仅是一个页面，那你可能更多需要细看当前页面的用户指标；如果你关注的产品链路比较长，你应该关注整个链路上各个节点之间的指标。

以上面“用户拉新”的例子来说，我们可能要关注每一个节点的用户量（PV/UV），还要看每一层的转化率（例如: 点击/曝光）等等。

确定了指标之后，我们就需要把这些指标纳入长期的观察中。

3. 观察指标，提出优化假设

接着我们的产品同学就可以根据指标分析当前的业务状况，然后结合需要优化的数据指标，提出相对应的业务假设。这里开始，就有统计学知识入场了。

这里我们说假设实际上包含了两种：

原假设，又叫零假设、无假设（Null Hypothesis），代表我们希望通过试验结果推翻的假设。
备择假设（Alternative Hypothesis），代表我们希望通过试验结果验证的假设。

可以看得出原假设是悲观主义的。为啥要这么分一下，说实在我自己一开始也很懵逼。我们这里先提出这两个概念（原假设、备择假设），他们的作用在后面几步会看到。

假如说我们的场景是：优化页面上面按钮的点击率，而我们的预计做法是加大按钮的尺寸。

那么原假设的表述就是：加大按钮的尺寸，按钮点击率不会有任何变化。

而备择假设的表述则是：加大按钮的尺寸，按钮点击率会有影响（我觉得影响包含提升和降低，不过大多数的讲解中这个假设只会写提升，我理解我们正常不会假设为数据降低，这点可以探讨一下）。

另外要注意的是，在假设检验中，原假设和备择假设有且只有一个成立。

确定了假设，接下来我们就进入实验的设计了。

4. 设计A/B 实验方案

实验设计上，我们要明确一些信息：

我们要写明，实验目标是什么，包括上面说的假设。
在实验分组上，我们要考虑如何划分分组，是否要有 A/A 对照，要切多少流量来做实验？
另外在投放上，我们的实验要针对谁做？是否要投放在特定的地区？或是投放在特定的端？

另外，A/B 实验中最好每次只做一个“变量”的改变（虽然受限于时间你也可以同时做多个变量，例如经典的奥巴马参选的 A/B 版本海报），这样对于后续的数据分析和拿明确的结论会比较有好处。

5. 开发 A/B 实验

这一步，是我们最熟悉的阶段，一般的项目需求评审都是从这里开始的，开发同学会借助 Runtime SDK 编写 UI 逻辑、分桶逻辑等，这里先不赘述里面的细节。

6. 运行实验

开发完成后，我们就要准备上线了，这时要设定实验运行时的配置，例如：

我们主要需要设定：

指标的样本量（反过来样本量也决定了实验的运行时长）。
实验的显著性水平（α）、统计功效（1-β）,一般业界普遍设定 α 为 5%，β 为 10%~20%。

为什么要设置显著性水平（α）、统计功效（1-β）？

这是因为，所有的实验，在概率统计学上都是存在误差的，而误差会导致我们做出错误的判断。

这里常见的错误判断包括：

第 I 类错误(弃真错误)：原假设为真时拒绝原假设；第 I 类错误的概率记为 α(alpha)，对应就是显著性水平值。

第 II 类错误(取伪错误)：原假设为假时未拒绝原假设。第 II 类错误的概率记为 β(Beta)，取反后（1-β）对应就是统计功效值。

再白话一些，以上面的例子来说：

第一类的错误是指，加大按钮的尺寸，按钮点击率实际没有什么变化，但因为误差，我们认为有变化。

第二类的错误是指，加大按钮的尺寸，按钮点击率实际产生了变化，但因为误差，我们认为没有变化。

这里如果觉得绕，可以多感受几遍。设置好这些，发布完代码后，我们就可以发布实验了。

7. 实验数据分析

我们前面说过: A/B Testing 的统计学本质就是做假设检验。

当然在开始假设检验前，我们要先验证一下，我们的数据本身是正确的。

然后我们就要根据实验的数据看：

实验显著性是否满足要求？
实验的结论是否证实了假设对数据的提升？
实验是否带来了漏斗中其他数据变差？

关于实验的显著性，这里我们还会用到一个 z-test 计算 p 值的方式来进行校验。

p 值表示，我们观察实验样本有多大的概率是产生于随机过程的，p 值越小，我们越有信心认为原假设是不成立的，如果 p 值小于显著性水平（α），则我们可以认为原假设是不成立的。

8. 实验结论

最后，我们根据这次实验的分析结果，总结实验结论。

例如：这次实验我们具体通过做了 xx 提升了 xx 指标，并且没有对其他的指标产生影响，通过这次实验的结论，我们推理出在 xx 场景下，适合使用 xx 方式来提升 xx 指标。

当然如果没有达到预期的目标，我们就要调整策略提出更进一步的优化假设。

这 8 步，有时候我们也会缩减为一个 5 步的循环：

总的来说，所做的事情是差不多的。

在电商业务中做 A/B Testing，我们面临什么挑战？

说了这些，我们再来看看目前在电商中做 A/B 测试，我们都面临什么样的挑战？

我个人觉得主要的挑战就是：

A/B 测试直观感觉成本高，业务有接受门槛。

电商业务都讲究跑得快，这点我也和不少同学聊过，其实大家对于接受做 A/B 测试这件事情，感觉不是这么的 buy-in，原因还是直观感觉成本高，开发得开发两（n）个版本，耽误了上线时间。不过讲道理来说，我们不仅仅要追求“跑得快”，还得“方向对”。

相信前面说了这么多，我们可以看到结合 A/B Testing 来做业务，是一个比较科学的过程，有 A/B Testing 我们在业务过程中会更加注重假设求证、数据推导以及验证，同时 A/B 上线相比“一把梭上功能”也可以降低迭代带来的业务风险，甚至结合 A/B 你可以发掘业务中存在的问题，更加了解你的用户的行为，此外通过 A/B 获得的业务的增长经验可以沉淀下来通用化。

另外 A/B 不是一次性的事情，而是一个长期迭代的过程，大家做 A/B 是要以“不断优化”的心态来做，而不是“一次到位”。

从 A/B “平台”的角度来说，要帮助业务解决这些挑战，我们有很多的问题要解：

解决A/B 成本高的问题（这里我们从几个角度来解决）：

1.平台的操作效率（是否简单易用），平台工具是否通俗易懂（A/B 那么多统计学的概念的理解成本能否被我们平台侧抹平）。

2.开发更加规范，我们需要从开发 sdk 上规范业务的定制 A/B 开发，提供开发。

3.开发效率提升：

从工程侧，我们可以利用代码脚手架、代码生成等方式来提升效率。

从平台功能上来说，我们可以提供 UI Editor 等之类的工具，把一些“静态配置”类的部分开放给运营和产品，允许他们做改动来做 A/B 实验，减少开发人员自己的投入。

4.A/B 的能力需要融入到其他的流程、平台、系统里面。

未来运营在使用其他平台的时候，不会感觉 A/B 配置是一个割裂的部分，当然这里的方案也是需要我们好好思考的，现在 A/B 的能力要融入到其他平台的成本还是非常高的。
我想这些也是我们接下来一步步需要解决的问题。