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。