​ A/B 测试是什么

A/B 测试是什么
先看一个生活中的实例,临床医学上为了判断一款药是否可以治疗某些病症,会做对照试验。也就是将一些有着类似健康状况和病历的患者分为两组,一组为A组对照组,给他们安慰剂,一组为B组试验组,给他们真药。同时,所有组别的患者对于分组情况都不知情。他们的康复状况将会被当成数据记录下来,通过收集数据,对比两组的恢复情况。如果B组的患者确实比A组明显地康复好一些,又没有什么副作用,则能够说明这款药是有作用的。
[药物A/B 测试]
通过随机分配与科学对照,构建科学的因果关系,让医院在药物真正投入市场之前就能知道确切效果,避免出现药物无效而造成的大量召回,甚至是病人的生命损失。这就是为什么对照试验(AB 测试)是药物测试的最高标准。
而在产品开发中,A/B 测试也能发挥很重要的作用,它基于数据统计与分析,可以帮助企业从两个及以上的产品方案中做出科学的决策,选出最优方案,或者验证该方案是否达到预期。虽然产品优化可以通过多种手段来实现,但是A/B 测试提供了一个有价值的方式来评估产品变化对客户行为的影响,并且比其他手段更加科学、合理。
A/B 测试的价值主要体现在以下三个方面:
[3个A/B 测试特性配图]
第一,先验性。同样是用数据统计与分析版本的好坏,以往的方式是先将版本发布,再通过数据验证效果,而A/B 测试却是先通过让部分流量的代表性用户使用,根据数据好坏再决策是否将新版本上线。先验性的好处在于只需通过很少的样本数量就能得出代表着全部样本的确定性结果,减少损失。
第二,并行性。将两个或以上的版本同时上线,可以更科学客观地对比优劣。同时,也节省了验证的时间,无需在验证完一个版本之后再测试另一个。
第三,流量分配的科学性。A/B 测试将相似特征的用户均匀的分配到试验组中,避免出现数据偏差,使得试验的结果更有代表性。
以谷歌为例,2000年,谷歌的工程师们运行了第一个A/B 测试,帮助他们决定在搜索结果页面上放几个结果才是最优。为了利用A/B 测试优化产品,他们改进系统、调整搜索引擎的变量,让A/B 测试的使用上了一个新的台阶,而他们的产品也越做越好。
“顶级产品经理也只能跑过一半的A/B 测试。”对于产品经理而言,A/B 测试可以让他们告别经验主义,通过真实数据针对性地优化产品。对于运营人员而言,A/B 测试可以帮助他们了解用户真实行为,避免因感性而造成的决策偏差。
总体而言,A/B 测试能够帮助企业降低获取用户的成本,在版本正式发布之前,通过真实的数据验证改版是否达到目的,以及版本间的优劣和具体差异,从而选出最优版本。
就如药物只有经过A/B 测试才能面向市场一样,产品只有通过A/B 测试的验证,才能经得住市场的考验,经久不衰。
已邀请:

要回复问题请先登录注册