AB测试基本原理

AB测试

• 所谓的AB测试就是使用实验组和对照组，通过控制变量法保证实验组和对照组基本条件一致，在实验组上增加变量，看是否引起显著变化。
• AB测试是互联网行业常用的归因分析方法，用来评估某个策略或者变化引起的效果。从理论上来说，AB测试是基于假设检验为理论依据的，就是我们先对实验组&对照组是否有显著差异提出假设，通过试验后的数据进行验证，判断是否显著差别。

AB测试的基本步骤

1、AB测试的基本步骤

AB测试一般分成8个步骤，具体如下。

①选取指标

在建立AB实验前，我们需要明确我的实验目的是什么，或者改动点是什么。并对应落到哪些指标上，但是需要注意，所选取的指标能够很好的衡量实验的目的，而且需要对指标进行分级，唯一核心指标+其他观察指标。

• 核心指标：核心指标用来衡量实验的效果。
• 观察指标：用来观察实验对其他指标的影响。

指标的分类

指标按照来源不同，可以分为绝对值类和比率类指标，我们这里区分不同类型观测指标，主要因为在接下来的样本量计算中，这两类指标的样本计算有所差别：

• 绝对值类指标。我们平常直接计算就能得到的单个指标，不需要多个指标计算得到。一般都是统计该指标在一段时间内的均值或者汇总值，比如DAU，平均停留时长等。这类指标一般较少作为AB测试的观测指标。

• 比率类指标。与绝对值类指标相对应，我们不能直接计算得到，而是通过多个指标计算得到。比如某页面的点击率，我们需要先计算页面的点击数和展现数，两者相除才能得到该指标。类似的，还有一些转化率、复购率等等。AB测试观测的大部分指标都是比率类指标。

为什么这里要区分不同类型的观测指标，因为在接下来的样本量计算中，这两类指标的样本量计算有所差别。

②建立假设

由于AB测试的理论基础是基于假设检验的，所以需要建立假设，即提出原假设和备选假设。

• 原假设H0：实验组&对照组 实验改动后指标是相同的，无差异的。
• 备选假设H1：实验组&对照组 实验改动后指标是不同的，有差异的。
  原假设和备选假设都是基于第一步的选取指标来假设的。

③选取实验单位

在实验中我们一般使用用户粒度的实验单位，但总体有3中选择粒度：

• 用户粒度
  这个是最推荐的，即以一个用户的唯一标识来作为实验样本。好处是符合AB测试的分桶单位唯一性，不会造成一个实验单位处于两个分桶，造成的数据不置信。
• 设备粒度
  以一个设备标识为实验单位。相比用户粒度，如果一个用户有两个手机，那么也可能出现一个用户在两个分桶中的情况，所以也会造成数据不置信的情况。
• 行为粒度
  以一次行为为实验单位，也就是用户某一次使用该功能，是实验桶，下一次使用可能就被切换为基线桶。会造成大量的用户处于不同的分桶。强烈不推荐这种方式。

④计算样本量

该步骤是要避免流量浪费，高效利用流量，把可用流量分到其他试验。另外还要避免在统计功效不足的情况下给出错误结论。即避免实验过程种，流量使用过多或者过少的情况。
计算样本量的理论基础主要基于大数定律和中心极限定理，

• 大数定律：当试验条件不变时，随机试验重复多次以后，随机事件的频率近似等于随机事件的概率。
• 中心极限定理：对独立同分布且有相同期望和方差的n个随机变量，当样本量很大时，样本的均值近似服从标准正态分布N(0,1)。

每一组的实验样本数量计算如下：
$$N=\frac{(Z_{(1-\frac{\alpha }{2})}+Z_{1-\beta }{)}^2\ast {\sigma }^2}{{\delta }^2},$$
$其中，\sigma 代表的是样本数据的标准差，衡量的是整体样本数据的波动性，可以计算样本的标准差计算得到。$
$而\delta 代表的是预期实验组和对照组两组数据的差值,比如期望点击率从20\%提升到25\%，那么\delta 就是5\%。$
$\alpha 和\beta 也就是我们在统计学中提到的，犯第一类错误和第二类错误的概率，通常\alpha 取值0.05，即置信度是(1-\alpha )是0.95\%;\beta 取值0.2，即统计功效的取值（1-\beta ）是0.8。$

在上述公式中，截至到目前只有$\sigma$还没进行解释，当观测指标为绝对值/比率指标时，样本的标准差的计算公式会略有不同：

• 当观测值为绝对值时：
  ${\sigma }^2=\frac{2\ast {\Sigma }_1^n(x_i-\bar{x}{)}^2}{n-1},其中n为样本量，\bar{x}为样本均值$
• 当观测指标为比率类指标时：
  ${\sigma }^2=P_A(1-P_A)+P_B(1-P_B)，其中：P_A,P_B分别对照组合实验组的观测数据$
  其中$P_A$、$P_B$分别为对照组合实验组的观测数据，例如，我们希望点击率从20%提升到25%，那么$P_A=20\%,P_B=25\%,\delta =5\%$

在实际工作中，可以不用那么复杂，有现成的计算网页，我们可以直接线上计算连接

⑤流量分割

在实际的运营中，流量是稀缺资源，产品迭代时代时，会有很多AB测试需要同时做，而产品的流量又是有限的，因此需要对流量进行充分切割。主要可以分成“分流”、“分层”，“分桶”。

• 分流（互斥）
  用户分流是指将整体分成几块，例如上图中把流量分成组1（A）和组2（B）两组，主要特征是分流的结果是互斥的，一个用户只能被分到一个组中，组1+组2 = 100%流量。划分的目的，是为了更好的进行互不干扰的实验测试。但是当同时进行多个实验的时候，这种方法就可能不太满足需求了。
• 分层（正交）
  同一分流可以分成多个分层，例如分流组2分成了3层，B1=B2=B3,流量从B1进入下一层中用户随机分桶，进行实验，每桶的用户质量一致，即我们说的正交。分层的前提是各个实验层之间无业务关联，保证这一批用户都均匀的分布到所有实验层中，达到用户正交的效果。
• 分桶（互斥与正交）
  我们在同时进行多个实验的时候，会在层中进行分组实验，例如上图中B1层分成了B1_1、B1_2、B1_3等3个桶，这三个桶彼此是互斥的，且和B2、B3层正交的。

⑥实验周期计算

实验周期通常由最小样本量、可以接受实验桶的大小比例以及周活决定的。

$实验时长=\frac{最小样本量\ast 实验桶比例}{周活}$
此外还需要考虑一些用户周期的情况，例如用户在工作日和周末特征不一样的情况，那么周期就需要1个完成周。

⑦线上验证

这一步很显然，就是根据上述一些步骤把实验部署到线上，然后进行实验。

⑧数据检验

绝对值指标推荐使用T检验，相对指标推荐使用Z检验，当多组测试时推荐使用方差检验。
需要统计的结果：diff，P值，置信区间。

• 计算P值
  也就计算当H0假设成立时，观测到样本数据出现的概率。在统计学上，将5%作为小概率时间，所以一般用5%来对比计算出来的P值。当P值小于5%时，拒绝H0假设，即两个指标不同，反过来，当P值大于5%时，不拒绝H0 假设。
• 计算置信区间
  一般情况下，我们都会用95%来作为置信水平，也就是说，当前数据的估计，有95%的区间包含了总体参数的真值。