推荐系统三十六式学习笔记：工程篇.常见模型29|让数据驱动落地，你需要一个实验平台

数据驱动这个口号也几乎成为了行业共识，但人人都在说，几乎每人见它长什么样。

数据驱动和实验平台

要做到数据驱动，就要做到两点：第一点是数据，第二点是驱动。具体来讲，第一点的意思是，要采集数据，全方位，数据像是石油一样，没有它就谈不上驱动；第二点的意思是光采集了没有用，还需要让所有人盯着数据看。

而要做到数据驱动，需要一个AB实验平台。数据驱动的重点是做对比实验，通过对比，让模型、策略、设计等不同创意和智慧结晶新陈代谢，不断迭代更新。

对比实验也常常被大家叫做ABtest,这个意思就是一个A实验，一个B实验，这样说可能有些模糊，所以我需要先和你说说什么叫做对比实验，然后再说说一个对比实验平台应该长什么样子。

你可以把任何一家个性化产品想象成一个函数，这个函数有很多参数影响它工作，函数的输出就是推荐物品列表。这些函数参数可以有各种组合，通过其中一种参数组合去面对一个小股用户的考验，这就是一个实验。

要做实验，要做很多实验，要很快做很多实验，要很多人同时很快做很多实验，就需要实验平台。

要讨论实验平台，先要认识实验本身。互联网实验，需要三个要素。
1.流量：流量就是用户的访问，也是实验的样本来源。
2.参数：参数就是各种组合，也是用户访问后，从触发互联网产品这个大函数，到最后返回结果给用户，中间所走的路径。
3.结果：实验的全过程都有日志记录，通过这些日志才能分析出实验结果，是否成功，是否显著。

把互联网产品想象一个有向无环图，每一个节点是一个参数，不同的分值是参数的不同取值，直到走到终点，这一条路径上所有经过的参数取值，构成了服务的调用路径。

具体在推荐系统中，可能这些参数就是不同的模型与策略名称。每一个用户经过这一系列的调用路径后，就为每一个分支产生了一条实验样本。

于是问题来了，每一个用户到来时，如何为他们决定要走哪条路径呢？这就要先经过实验对照来看。

实验要观察的结果就是一个随机变量，这个变量有一个期望值，要积累很多样本才能说观察到的实验结果比较接近期望值了，或者要观察一定时期才能说对照实验之间有区别或者没区别。

因为只有明显有区别并且区别项好，才能被进一步推上全线。

在设计一个实验之初，实验设计人员总是需要考虑下面这些问题。

1.实验的起止时间。这涉及到样本的数量，关系到统计效果的显著性，也涉及能否取出时间因素的影响。
2.实验的流量大小。这也涉及了样本的数量，关系到统计效果的显著性。
3.流量的分配方式。每一个流量在为其选择参数分支时，希望是不带任何偏见的，也就是均匀采样，通常按照UUID或者cookie随机采样。
4.流量的分配条件。还有一些实验需要针对某个流量的子集，例如只对重庆地区的用户测试，推荐时要不要把火锅做额外的提升加权。
5.流量如何无偏置。这是流量分配最大的问题，也是最难的问题。同时只做一个实验时，这个问题不明显，但是要同时做很多实验，那么如何避免前面的实验给后面的实验带来影响，这个影响就是流量偏置。

意思是在前面实验的流量分配中，有一种潜在的因素在影响流量分配，这个潜在的因素不易被人觉察，潜在的因素如果会影响实验结果，那么处在这个实验后面获得流量的实验，就很难得到客观的结论。这个无偏置要求，也加做正交。

这些问题也是实验平台在设计之初要考虑的。试想一下，推荐系统中，算法工程师总是在尝试很多模型，或者在线下给出很多的模型调参，线下评测时，各种指标都是一片锣鼓喧天、红旗招展，恨不得立即上线去检验真实效果。

每一个算法工程师都这么想，但是线上流量有限，因此需要重叠实验，废水利用。

Google公司的实验平台已经成为行业争相学习的对象，今天我们就以Google的实验平台为主要对象，深入浅出的介绍一个重叠实验平台的方方面面。

重叠实验架构

所谓重叠实验，就是一个流量从进入产品服务到最后返回结果呈现给用户，中间设置了好几个检查站，每个检查站都在测试某些东西，这样同时做很多组实验就是重叠实验。

重叠实验最大的问题是怎么避免流量偏置，为此，需要引入三个概念。

1.域：是流量的一个大的划分，最上层的流量进来时首先是划分域。
2.层：是系统参数的一个子集，一层实验室对一个参数子集的测试。
3.桶：实验组和对照组就在这些桶中。

层和域可以互相嵌套。意思是对流量划分，例如划分出50%，这50%的流量是一个域，这域里面域有多个实验层，每一个实验层里面还可以继续嵌套域，也就是可以进一步划分这50%的流量。下面这两个图示意了有域划分和没有域划分的两种情况。

图中左边是一个三层实验，但是并没有划分域。第一层实验要测试UI相关，第二层要测试推荐结果，第三层要测试在推荐结果插入广告的结果。

三层互不影响。图中的右边则添加了域划分，也就是不再是全部流量都参与实验中，而是被分走了一部分到左边域中，剩下的流量和左边的实验一样。

这里要理解一点，为什么多层实验能做到重叠而不带来流量偏置呢？

这就需要说桶的概念。还是上面示意图中的左图，假如这个实验平台每一层都是均匀随机分成5个桶，在实际的实验平台上，可能是上千个桶，这里只是为了举例。示意图如下：

这是一个划分域的三层实验。每一层分成5个桶，一个流量来了，在第一层，有统一的随机分流算法，将cookie或者uuid加上第一层id,均匀散列成一个整数，再对这个整数对5取模，于是一个流量 就随机地进入了5个桶之一。

每个桶均匀得到20%的流量。每个桶里面已经决定好了为你展示什么样的ui,流量继续往下走。每一个桶的流量接着依然面对随机进入下一层实验的5个桶之一，原来每个桶的20%流量被划分成5份，每个桶都有4%的流量进入到第二层的每个桶。

这样一来，第二层每个桶实际上得到的依然是总流量的20%，而且上一层实验带来的影响被均匀地分散再来这一层的每一个桶中，也就是可以认为上一层实验对这一层没有影响。同样的，第三层实验也是这样。

这就是分层实验最基本的原理。在这个基础上，增加了域的概念，只是为了更加灵活地配置更多实验。

关于分层实验，有几点需要注意：
1.每一层分桶时，不是只对Cookie或者UUID散列取模，而是加上了层ID,是为了让层和层之间分桶互相独立；
2.cookie或者uuid散列成整数时，考虑用均匀地散列算法，如MD5.
3.取模要一致，为了用户体验，虽然是分桶实验，但是同一个用户在同一个位置每次感受不一致，会有损用户体验。

Google的重叠实验架构还有一个特殊的实验层，叫做分布层，优先于所有其他的实验层，它拥有全部流量。这个层中的实验，通常是已经通过了ABtest准备全量分布了。示意图如下：

前面举例所说的对用户身份ID做散列的流量分配方式，只是其中一种，还有三种流量分配方式，一共四种：
1.Cookie+层ID取模；
2.完全随机；
3.用户ID+层ID取模；
4.Cookie+日期取模。

在实验中，得到流量后还可以增加流量条件，比如按照流量地域，决定要不要对其实验，如果不符合条件，则这个流量不会再参与后面的实验，这样避免引入偏置，那么这个流量会被回收，也就是使用默认参数返回结果。

在google的架构中，由于层和域还可以嵌套，所以在进入某个层时，可能会遇到一个嵌套域，这时候需要按照域划分方式继续下沉，直到遇到实验或者被作为回收流量分会。整个 实验平台，工作的示意图如下所示：

说明如下：
1.图中涉及了判断的地方，虚线表示判断为假，实线表示判断为真。
2.从最顶端开始，不断遍历域、层、桶，最终输出一个队列Re,其中记录对每一个系统参数子集如何处理，取实验配置的参数还是使用默认参数，其中无偏流量表示使用默认参数，也就是 在那一层不参与实验，流量被回收。
3.拿到Re就得到了全部的实验，在去调用对应的服务。

统计效果

除了分层实验平台之外，还存在另一个问题，每一个实验需要累计获得多少流量才能得到实验结论呢？

这涉及了一点统计学知识。实验得到的流量不够，可以说实验的结论没有统计意义，也就浪费了这些流量，而实验在已经具有统计意义之后，如果还占用流量做测试，则也是在浪费流量。

如何确定实验规模呢？google给出了如下公式：

$$N=10.5(\frac{s}{\theta }{)}^2$$

公式中：
1.s是实验指标的标准差
2.θ是希望检测的敏感度，比如想检测到2%ctr变化

上面这个公式计算出来的实验规模，表示以90%的概率相信结果的显著性，也就是有90%的统计功效；

对比实验的弊端

AB测试实验平台，是产品要做到数据驱动必不可少的东西，但是这种流量划分的实验方式也有自己的弊端，列举如下：

1.落入实验组的流量，在实验期间，可能要冒着一定的风险得到不好的用户体验，在实验结束之前，这部分流量以100%的概率面对这不确定性；
2.要得到较高统计功效的话，就需要较长时间的测试，如果急于看到结果全面上线来说有点不能接受；
3.下线的实验组如果不被人想起，就不再有机会得到测试。

总结

实验平台是推荐系统要做到数据驱动必不可少的东西，但是如何做到科学高效快速的做实验呢？

常见的做实验，只是简单地选择一个尾号的用户id作为实验组，再选择另一个尾号作为对照组，甚至选择剩下所有的用户id作为对照组。

这样做出来的实验，显然是有问题的，因为并不知道通过尾号来分组是不是能做到无偏，这样就只能在一个时期做一个实验，非常低效。

本文以Google开放的实验平台架构作为原型，对其核心技术做了详细介绍。这个实验平台做到了同时无偏移地做多组对照实验。因为它巧妙地引入了三个概念的嵌套结合：1.域；2.层；3.桶。

这三个概念层层相扣，流量划分得到了一个可行的方案。这个实验平台方案已经应用在很多公司中，你也不妨尝试一下。