2024年AB测试系统如何从应用到搭建？AB测试是支持数据决策最有力的工具

增长团队有三宝：埋点、漏斗、AB测。本文给大家讲讲，AB测试系统如何从应用到搭建？

一、什么是AB测试？

A/B 测试是一种产品优化方法；为同一个优化目标制定两个方案，让同一部分用户中的一部分用户命中 A 方案，同时另一部分用户命中 B 方案，统计并比较不同方案的点击率、转化率等数据指标，通过不同方案的数据表现，在确定数据表现通过假设检验后，决定最终方案的实验方法。

二、AB测试的意义？

AB测试是支持数据决策最有力的工具。

以下为最基础的数据驱动流程，方案验证即为AB测试过程，实验才是检验真理的唯一标准。

• 数据收集
• 数据分析
• 发现问题
• 提出方案
• 方案验证
• 发布上线

三、AB测试实验需要满足以下两个特性

1. 同时性

两个策略是同时投入使用的，而不是AB两种策略分先后上线，这样会有其他因素影响。

2. 同质性

两个策略对应的使用群体需要保证尽量一致。

四、AB测试实验详解

1. 流量分配规则：正交与互斥

（1）正交实验

每个独立实验为一层，一份流量穿越每层实验时，都会随机打散再重组，保证每层流量数量相同。

（2）互斥实验

实验在同一层拆分流量，不论如何拆分，不同组的流量是不重叠的。

（3）什么情况下正交、互斥分配流量？

我们刚刚就用的正交流量分配方式，导致了错误的数据结果，如果那个实验我们用互斥的流量分配方法就完美的解决了这个问题。

AB测试实验中，两个或多个实验内容相互影响则选择互斥方法分配流量，两个或多个实验内容不会相互影响则选择正交方法分配流量。

• 正交：可以节省流量；
• 互斥：可以让耦合的实验完美剥离开来不互相影响。

（4）举个例子

在详情页面上做两个实验：

• 其中一个是转化按钮颜色的AB测试实验；
• 另外一个是转化按钮文案的AB测试实验。

如果我们使用正交分配流量的方式会出现什么情况呢？

也就是流量同时命中实验一与实验二，最后展现在用户面前的就是如下图四种情况，这种情况我们是无法统计出准确的数据结果的，因为已经违背了单一变量原则。

这种最好使用互斥来分配流量，一部分用户命中实验一、另一部分用户命中实验二。

微信扫码上方二维码，可领取2025年最新互联网创业项目！

项目收款截图