朱赟的技术管理课
朱赟
计算机博士,前 Airbnb 技术经理
48935 人已学习
新⼈⾸单¥59
登录后,你可以任选4讲全文学习
课程目录
已完结/共 39 讲
时长 13:23
时长 13:31
朱赟的技术管理课
15
15
1.0x
00:00/00:00
登录|注册

03 | 每个工程师都应该了解的:A/B测试

数据分析
用户体验
A/B测试
不同客户端实验
重新设计实验
结果解释
流程和工具设计
数据埋点
比较值的趋势
其他组的影响
分析的维度
样本数量和分配
相信直觉
UI交互设计修改
产品经理
数据科学家
工程师
信息对比分析
控制和处理
数据样本分组
营销
市场
设计
产品特性
注意事项
例子
重要性
实验流程
数据分析手段
A/B测试
参考文章

该思维导图由 AI 生成,仅供参考

说到 A/B 测试,不论你是工程师、数据科学家、还是产品经理,应该对这个概念都不陌生。
简单来说,A/B 测试是一种数据分析手段,它可以对产品特性、设计、市场、营销等方面进行受控实验。在实验中,数据样本被分到两个“桶”中,分别加以不同的控制和处理,然后对采集回来的信息进行对比分析。
举一个例子。
假如你想修改 UI 上一个模块的交互设计,这个模块的内容是引导用户点击“下一步”按钮,但是你不知道设计改动前后哪一种效果更佳。
于是你通过 A/B 测试,让一部分用户体验新的 UI,另一部分用户继续使用旧的 UI,再对采集回来的数据进行分析,对不同组用户在这个页面上的转化率进行比较,观察在哪一种 UI 下,用户更愿意往下走。有了数据分析,我们就可以判断新的设计是否改进了用户体验。
原理就这么简单。下面我会从自己使用 A/B 测试的经验出发,重点说一说 A/B 测试中需要注意哪些问题,观点会比较侧重于工程师视角,但是对产品经理也会有帮助。
第一点:永远不要过分相信你的直觉。
有时候,我们会觉得一个功能特征的改动是理所当然的,更新后效果肯定更好,做什么 A/B 测试,这显然是画蛇添足。
这就像一个资深的程序员修改线上代码一样:这样改,一定不会出问题。我们当然不否认这样的情况存在,但每当你开始有这样的念头时,我建议你先停下来,仔细地想一想,是不是就不那么确定了呢?
把你的想法和别的工程师、设计师、产品经理深入交流一下,看看他们会不会有不同的意见和建议。不同的角色背景也不同,考虑问题的方式也就不一样。当你不确定哪种方式更好的时候,A/B 测试就是你最好的选择。
第二点:实验样本的数量和分配很重要。
如果你的实验注定没有太多数据,也许就不要去做 A/B 测试了,小样本偏差会很大,帮不了太多的忙,除非你的测试结果出现“一边倒”的情况。
另外,请确保你在 A 组和 B 组随机分配的数据是绝对公平的。也就是说,你的分配算法不会让两个桶的数据产生额外的干扰。
比如,不要按不同时间段把用户分配到不同的组里,因为在不同时间段使用产品的用户本身就会出现一些不同的情况。区域分配也存在同样的问题,这些都可能导致偏差。
确认放弃笔记?
放弃后所记笔记将不保留。
新功能上线,你的历史笔记已初始化为私密笔记,是否一键批量公开?
批量公开的笔记不会为你同步至部落
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
  • 深入了解
  • 翻译
    • 英语
    • 中文简体
    • 中文繁体
    • 法语
    • 德语
    • 日语
    • 韩语
    • 俄语
    • 西班牙语
    • 阿拉伯语
  • 解释
  • 总结

A/B测试是一种重要的数据分析手段,适用于产品特性、设计、市场、营销等方面的受控实验。本文从工程师视角出发,重点强调了A/B测试中需要注意的问题。首先强调了不要过分相信直觉,而是应该通过A/B测试来验证想法。其次,强调了实验样本的数量和分配的重要性,以及分析的维度要尽可能全面。另外,还提到了其他组的改动对A/B测试产生的影响,比较值的趋势必须是收敛的,而不是发散的,以及数据埋点和形成一个流程的重要性。此外,还强调了试图给每个结果一个合理的解释,必要的时候重新设计实验,以及不同客户端分开进行实验的必要性。总的来说,A/B测试是一种行之有效的产品验证和功能改进方法,对于工程师、数据科学家和产品经理都具有重要意义。

仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《朱赟的技术管理课》
新⼈⾸单¥59
立即购买
登录 后留言

全部留言(24)

  • 最新
  • 精选
  • Jesse
    学习了,不过很多初创类的公司 很少有A B测试。
    2017-11-17
    12
  • _fenghao_
    logging太重要,很多时候看到结果需要解释,发现没有log结果又要再开实验很费时间
    2017-11-17
    11
  • 老赵
    提到测试或实验,不得不提**双盲实验**。这个在医疗领域比较常见。一种新疗法,或一款新药是否有效,必须经过**大样本随机双盲实验**。尽可能地排除安慰剂效应或者实验人员的主观臆断。 文中关于设计A/B测试,也可以看做是设计一个“双盲实验”。关于数据的分析,推荐“信号与噪声”这本书,里面许多原则可以通用。
    2017-11-18
    5
  • 亚伦碎语
    说个具体的技术实现,用ELK可以方案的实现出一套A/B Testing 系统
    2017-11-25
    4
  • 刘剑
    朱老师可否讲一下在移动App上做A /B测试遇到的坑呢?A/B测试需要哪些技术资源配合?比如:客户端、服务器端如何管理测试版本?是否需要跟正式环境隔离? A/B测试我遇到的情况: 1.IOS的A/B测试就需要有企业开发者账号,但是有些企业是申请不下来的 2.A/B测试点可能是非核心决定要素,可能导致误判 3.A/B测试如果想效果好,有一个前提是有明确的用户画像,后续工作就清晰和明确的多了
    2017-11-17
    4
  • 彭超
    AB测试是和灰度发布一个意思么
    2018-04-23
    1
    3
  • 逗逼师父
    产品修改以事实为依托,这样大家都能接受,而且工程师和产品都能看到自己努力的结果,有了即时反馈就更容易产生驱动力。这种方式的确值得学习,受教了。
    2017-11-17
    3
  • 王伟zzz
    “实验的版本控制,会让分析和重新设置的过程更加快捷。”这个不大理解
    2018-12-22
    1
  • walt
    A/B测试如何实施呢,具体说埋点、采集、分析等一套UI工具如何搭建
    2017-12-24
    1
  • 英子编辑
    今天刚跟组里的小姑娘聊到尝试站在读者或者用户的角度思考问题。这一点有时候太难了,就像女神说的,我们过分相信自己的直觉,有时候感觉某一事情的发生理所当然,殊不知,这理所当然的范围只是我们个人的思维。以前听过一句话,这世界上根本不存在感同身受,大概是说感情的,不过,也说明完全理解他人,或者说局外人要做出和局内人对某件事一样的反应该有多难。你之于我是局外人,产品之于开发是局外人,用户之于所有产品开发者是局外人,以自己的思维推测别人的反馈应该是出错率很高的一件事儿。
    2017-11-20
    1
收起评论
显示
设置
留言
24
收藏
沉浸
阅读
分享
手机端
快捷键
回顶部