AB测试

AB测试是为Web或App界面或流程制作两个（A/B）或多个（A/B/n）版本，在同一时间维度，分别让组成成分相同（相似）的访客群组随机的访问这些版本，收集各群组的用户体验数据和业务数据，最后分析评估出最好版本正式采用。

中文名

A/B测试

外文名

A/B Testing

别    名

分组测试，分桶测试

英文名

Split Testing, Bucketing Tests

一、A/B测试的好处

• 消除客户体验（UX）设计中不同意见的纷争，根据实际效果确定最佳方案；
• 通过对比试验，找到问题的真正原因，提高产品设计和运营水平；
• 建立数据驱动、持续不断优化的闭环过程；
• 通过A/B测试，降低新产品或新特性的发布风险，为产品创新提供保障。

二、A/B测试效率

在App和Web开发阶段，程序中添加用于制作A/B版本和采集数据的代码由此引起的开发和QA的工作量很大，ROI（return on investment）很低。AB测试的场景受到限制，App和Web发布后，无法再增加和更改AB测试场景。额外的A/B测试代码，增加了App和Web后期维护成本。因此，提高效率是A/B测试领域的一个关键问题。

三、怎样高效实施A/B测试？

在App和Web上线后，通过可视化编辑器制作A/B测试版本、设置采集指标，即时发布AB测试版本。

• AB测试的场景数量是无限的；
• 在App和Web发布上线后，根据实际情况，设计AB测试场景，更有针对性，更有效；
• 无需增加额外的AB测试代码，对App和Web的开发、QA和维护的影响最小。

四、AB测试步骤

1.现状分析：分析业务数据，确定当前最关键的改进点。

2.假设建立：根据现状分析作出优化改进的假设，提出优化建议。

3.设定目标：设置主要目标，用来衡量各优化版本的优劣；设置辅助目标，用来评估优化版本对其他方面的影响。

4.界面设计：制作2（或多）个优化版本的设计原型。

5.技术实现：

• 网站、App(Android/iOS) 、微信小程序和服务器端需要添加各类A/B测试平台提供的SDK代码，然后制作各个优化版本。
• Web平台、Android和iOS APP需要添加各类A/B测试平台提供的SDK代码，然后通过编辑器制作各个优化版本。
• 通过编辑器设置目标，如果编辑器不能实现，则需要手工编写代码。
• 使用各类A/B测试平台分配流量。初始阶段，优化方案的流量设置可以较小，根据情况逐渐增加流量。

6.采集数据：通过各大平台自身的数据收集系统自动采集数据。

7.分析A/B测试结果：统计显著性达到95%或以上并且维持一段时间，实验可以结束；如果在95%以下，则可能需要延长测试时间；如果很长时间统计显著性不能达到95%甚至90%，则需要决定是否中止试验。

五、A/B测试实施策略

1.从简单开始：可以先在Web前端上开始实施。Web前端可以比较容易的通过可视化编辑器制作多个版本和设置目标（指标），因此实施A/B测试的工作量比较小，难度比较低。在Web前端获得经验后，再推广到App和服务器端。

2.隔离变量：为了让测试结果有用，应该每个试验只测一个变量（变化）。如果一个试验测试多个变量（比如价格和颜色），就不知道是哪个变量对改进起了作用。

3.尽可能频繁、快速进行A/B测试：要降低A/B测试的代价，避免为了A/B测试做很多代码修改，尽量将A/B测试与产品的工程发布解耦，尽量不占用太多工程部门（程序员、QA等）的工作量。

4.要有一个“停止开关”：不是每个A/B测试都会得到正向的结果，有些试验可能失败，要确保有一个“开关”能够停止失败的试验，而不是让工程部门发布一个新版本。

5.检查纵向影响：夸大虚假的CTA(Call To Action)可以使某个A/B测试的结果正向，但长期来看，客户留存和销售额将会下降。因此，时刻要清楚我们追求的是什么，事先就要注意到可能会受到负面影响的指标。

6.先“特区”再推广：先在一两个产品上尝试，获得经验后，推广到其他产品中。

六、A/B测试与一般的工程测试的区别。A/B测试用于验证用户体验、市场推广等是否正确，而一般的工程测试主要验证软硬件是否符合设计预期，因此AB测试与一般的工程测试分属于不同的领域。

七、A/B测试工具

国外：Optimizely，Visual Website Optimizer，Omniture等；

国内：Testin，ABTester，AppAdhoc Optimizer、云眼。