作者：livan
来源：数据python与算法
什么是AB-Test
数据驱动概念兴起的同时，AB-test也同步出现在大家的视线中，各互联网大厂率先引进了AB-test系统，希望通过循环的测试，上线最符合公司客群的产品。这一理念一出引发行业内各个公司的效仿，各种宣导纷至而来，那么，什么是AB-test？什么样的公司能迅速构建出AB-test系统？我们今天来一起聊一下：
什么是AB-test？
携程的大佬们曾给出一个定义：AB试验可以简单的认为是传入一个实验号和用户分流ID到AB试验分流器，分流器吐出分流版本A、B、C、D等，截取一部分应用流量，落地某一段时间的分流数据，进而分析各个版本的优劣，决定启用新版本还是沿用老版本的过程。
这一定义大家能不能理解呢？
我们用更通俗的语言做一下解读：
首先，试验的目的是为了决策新开发的两个或两个以上的版本该上线哪一个的问题，即当有较多的版本选择时可以先测一把，让数据告诉我们哪一个方案比较适合我们公司的客户。
大家有没有遇到经验失效的时候，就是我们按照自己的经验设计出来的产品、活动，客户并不买账，失效的原因有很多，其中一个比较常见的原因就是经验失效，即我们培养起来的经验往往是根据之前公司或者历史数据形成的，问题在于新公司/当下时间中客群发生了变化，我们之前的经验未必完全符合现在的客群，这也就凸显出了AB-test的价值，AB-test是根据本公司现在的客群进行的对照试验，可以直观的表达出客户需要什么样的产品。
其次，试验用到的一个重要组件是分流器，分流器有什么用处呢？顾名思义——分流用的，就是通过一定的规则将APP中随时流动的数据分成多个版本，客户进入APP后会自动分配到各个版本中，各个版本对应开发的新旧版本，进行稳定测试。
分流器中常用的方法是对客户的session/cookie进行hash运算，然后将运算结果取模mod（即取余运算，不清楚的看官可以百度一下），通过取模后的值进行分流，分流的过程涉及正交、互斥试验的设计，其中细节，我们下文中会详细描述。
其三，就是试验效果评估的过程，AB-test的两个重点之一就是效果评估（另一个就是上面的分流器），如何评估一个试验是否成功？试验1的UV大于试验2的UV是否就说明试验1是好的？这其中就涉及到了统计中的各种检验知识，我们会在下文原理部分详细描述。
AB系统是个复杂的东东，我们会用一系列的文章整理出AB的整体思路，欢迎大家继续关注～
◆ ◆ ◆ ◆ ◆
麟哥新书已经在京东上架了，我写了本书：《拿下Offer-数据分析师求职面试指南》，目前京东正在举行100-50活动，大家可以用相当于原价5折的预购价格购买，还是非常划算的：
点击下方小程序即可进入购买页面：
数据森麟公众号的交流群已经建立，许多小伙伴已经加入其中，感谢大家的支持。大家可以在群里交流关于数据分析&数据挖掘的相关内容，还没有加入的小伙伴可以扫描下方管理员二维码，进群前一定要关注公众号奥，关注后让管理员帮忙拉进群，期待大家的加入。
管理员二维码：
猜你喜欢
● 麟哥拼了！！！亲自出镜推荐自己新书《数据分析师求职面试指南》
● 你相信逛B站也能学编程吗
点击阅读原文，即可参与京东100-50购书活动
848
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
