从互联网发展至今，人口红利逐渐消失殆尽。截至2020年底，中国的互联网用户已经高达10亿人，已经在中国人口中占了很高的比例。每个赛道都出现了细分和垂类。产品也在不断下沉，不断的触达四五线的用户。人群也在不断的被细分，新增用户，活跃用户，沉默回流用户。这些，都是精细化的一个提现。
精细化的目标，是为了增长；而想要更好的增长，就需要更好的服务好用户；服务好用户，就要做相应的适配不同用户需求的产品和下发不同的运营策略；而如何更好的量化产品，迭代用户是否喜爱，运营策略是否有效，都需要一个比较科学的方式。这些就会运用到AB测试。也是为了在众多功能及策略的迭代过程中，通过数学的方法，告知业务方这些迭代是好是坏，继续发展的方向是什么。
AB测试是什么
AB测试本身是起源于医学。当一个药剂被研发后，医学工作人员需要确认其效果是否真的有效。就会需要实验组和对照组的人群来“试药”，通过“试药”后的结果，评估药剂的效果。
具体做法就是一群同质化的用户被随机分组成两组。在不知到是否是药剂的情况下，拿到测试用药和安慰剂。经过一段时间的实验后和观测，比较两组病人的一些实验数据是否具有显著的差异，从而决定测试用药是否有效。这就是医学的“双盲实验”。
同理，在互联网行业，也是这么用的。
业务把将web或者app界面或者流程，拆分为多个版本。然后将流量分层（或者分流），不同的人群使用的某个功能或者触发的策略不同。但是这里的人群一定要满足同质化的特性。所以无论分层还是分流，我们都需要将用户随机分配，且同一用户不能处在两个组内。
实验前期，我们需要对整体实验进行规划计算（比如在最小可观测变化下，计算最小样本量，通过最小样本量，计算实验周期等），而在实验流量达到统计最小样本量后，收集相关的数据，通过数学检验的方法得到数据结论，再结合业务评估，该实验是否有显著差异，决定该次功能/策略迭代，是否要扩量。
总结下来，AB测试就是运用数学的方式，结合业务评估目标，通过流量分割的实验方式，评估业务迭代是否有效果的方法。
AB测试基础知识点
流量的分割：分流 or 分层
分流：实验和实验之间用户不交叉，直接切割一部分流量做实验。
这种做法不推荐，除了一些会有交叉影响的策略（比如优惠券的发放）。
因为一个产品的流量有限，如果我们直接切割了一部分流量去做某一个实验，那如果实验非常多呢？
且这种切分方式，一旦实验量增多，样本量就会减少，实验周期就会增加。而在整个互联网都快速迭代，疯狂加班的同时，做一个实验要一个月甚至更久，可能领导就会不乐意了吧。
分层：实验和实验之间交叉，用户同时数据多个实验
这种方法是将用户同时处于多个式样中，即纵向是实验，横向是实验分桶。每一次都将用户重新随机打散。当我们的实验和实验之间不会相互影响，推荐使用分层的流量切分方案。因为这种方法可以使得每次实验都是全流量实验，大大缩小了我们的实验周期。
样本量计算
最小样本量计算，是为了计算实验周期。想知道在预期条件下，我们需要多少样本，才能观测出我们能接受的最小可观测波动。这里的底层原理可以看一下统计学，样本量计算都是根据统计学中的提升比例和置信比例计算得到。网上有大量的样本量计算器。
假设检验
先对实验结论提出一个假设，然后利用实验后的结果数据，判断该假设是否成立。假设检验中还需要了解如何设立假设和如何检验。
两个假设
原假设H0：实验中想反对的假设。一般来说说，就是实验没有效果。
备择假设H1：实验中想支持的假设。一般来说，是指实验有效果。
检验度量
P值：P值即概率，反映某一事件发生的可能性大小。统计学上，5%是一个小概率事件，所以，实验结果一般以P<0.05 认为有统计学差异。
分布检验：一般大于等于1.96就有差异。
Z检验：Z检验常用于总体正态分布、方差已知或独立大样本的平均数的显著性和差异的显著性检验。通常来说，指标是概率型指标，可以用Z检验。
T检验：t检验常用于总体正态分布、总体方差未知或独立小样本平均数的显著性检验、平均数差异显著性检验。通常来说，指标是均值类指标，可以用T检验。
置信区间
置信区间是对一个样本的总体参数进行区间估计的样本均值范围。它展现了这个均值范围包含总体参数的概率，这个概率称为置信水平。通常来说，同正或者同负，能判断此次效果是否显著。而置信区间中的置信水平代表了估计的可靠度，一般来说使用95%的置信水平进行区间估计。
AB测试整体流程设计
我们先来看看整体AB测试的流程：
实验前：定目标，确定实验设计
实验开始前，要先考量该实验的目的，并将该目的映射到具体的可算指标上。根据这个指标，我们需要计算对应的最小样本量。再结合相应的流量分桶数据，计算相应的实验周期。
实验中：规则与人群校验
对于用户，必须保证一个用户仅处于一个分桶。对于策略，我们需要校验策略是否生生效，校验流量比例是否符合预期。如果有问题还需要及时修改。
实验后：效果评估与沉淀复盘
再实验未完成前，不建议对数据进行有效性检验，多次校验导致错误概率上涨。
在实验完成后，我们再来收集数据，校验相关的显著性。且不止要看数据显著性，还要确认业务显著性。再来决定，当前实验策略是否要全量上线。
最后，我们还需要沉淀复盘此次实验的过程中的问题和做的好的地方，为下次实验积累经验，也为我们后期（如果要）搭建AB测试平台沉淀相关的方法论。
AB测试有哪些坑
网络效应
社交产品或者有C有B的产品，都需要注意网络效应。因为用户是相互联系的，会相互影响，我们这里可以将用户以城市为单位进行实验。比如上海实行策略A，北京实行策略B，避免两端互相影响。
新奇效应
当我们初期上线一个功能时，会有用户比较好奇该功能，从而使得该功能的数据较号。但是可能只是用户比较好奇而已。比如我们将之前的一个弱提示按钮改成了强提示按钮，数据肯定会涨。这种时候，可以仅查看NU用户，因为NU不受历史包袱的影响。
时间&样本同质性
保证同一时间周期内观测实验结果。
保证样本同质化，不要出现分流不均匀的问题。
实验时长要大于户活跃间隔周期
做AB测试时，尽量设定一个实验生效期，这个周期一般是用户的一个活跃间隔期，保证整体用户都被策略触达。
本文内容不用于商业目的，如涉及知识产权问题，请权利人联系51Testing小编(021-64471599-8017)，我们将立即处理
