[[319960]]

實驗設計

AB Test 實驗一般有 2 個目的：

1. 判斷哪個更好：例如，有 2 個 UI 設計，究竟是 A 更好一些，還是 B 更好一些，我們需要實驗判定
2. 計算收益：例如，最近新上線了一個直播功能，那么直播功能究竟給平臺帶了來多少額外的 DAU，多少額外的使用時長，多少直播以外的視頻觀看時長等

我們一般比較熟知的是上述第 1 個目的，對于第 2 個目的，對于收益的量化，計算 ROI，往往對數據分析師和管理者非常重要。

對于一般的 ABTest 實驗，其實本質上就是把平臺的流量均勻分為幾個組，每個組添加不同的策略，然后根據這幾個組的用戶數據指標，例如：留存、人均觀看時長、基礎互動率等等核心指標，最終選擇一個最好的組上線。

實驗的幾個基本步驟一般如下：  

 流量分配

實驗設計時有兩個目標：

• 希望盡快得到實驗結論，盡快決策
• 希望收益最大化，用戶體驗影響最小

因此經常需要在流量分配時有所權衡，一般有以下幾個情況：

• 不影響用戶體驗：如 UI 實驗、文案類實驗等，一般可以均勻分配流量實驗，可以快速得到實驗結論
• 不確定性較強的實驗：如產品新功能上線，一般需小流量實驗，盡量減小用戶體驗影響，在允許的時間內得到結論
• 希望收益最大化的實驗：如運營活動等，盡可能將效果最大化，一般需要大流量實驗，留出小部分對照組用于評估 ROI  

 根據實驗的預期結果，大盤用戶量，確定實驗所需最小流量，可以通過一個網站專門計算所需樣本量：

• 以次日留存率為例，目前大盤次日留存率 80%，預期實驗能夠提升 0.2pp

(這里的留存率可以轉換為點擊率、滲透率等等，只要是比例值就可以，如果估不準，為了保證實驗能夠得到結果，此處可低估，不可高估，也就是 0.2pp 是預期能夠提升地最小值)

• 網站計算，最少樣本量就是 63W

(這里的最少樣本量，指的是最少流量實驗組的樣本量)

• 如果我們每天只有 5W 的用戶可用于實驗(5W 的用戶，指最少流量實驗組是 5W 用戶)，63/ 5 = 13 天，我們需要至少 13 天才能夠得到實驗結論  

如果我們預期提升的指標是人均時長、人均 VV 等，可能就比較復雜了，我們需要運用 t 檢驗反算，需要的樣本量： 

 實驗效果

我們以一個稍復雜點的運營活動實驗為例，活動有方案 1、方案 2，同時為了量化 ROI，對照組沒有運營活動。 

 需要回答幾個問題

1. 方案 1 和方案 2，哪個效果更好?
2. 哪個 ROI 更高?
3. 長期來看哪個更好?
4. 不同群體有差異嗎?

第 1 個問題，方案 1 和方案 2，哪個效果更好?

還是要運用假設檢驗，對于留存率、滲透率等漏斗類指標，采用卡方檢驗： 

 對于人均時長類等均值類指標，采用t 檢驗：  

通過上假設檢驗，如果結論置信，我們就能夠得到方案 1 和方案 2 在哪像指標更好(有顯著性差異)， 對于不置信的結論，盡管方案 1 和方案 2 的指標可能略有差異，但可能是數據正常波動產生。

第 2 個問題，哪個 ROI 更高?

一般有活動相比無活動，留存、人均時長等各項指標均會顯著，我們不再重復上述的假設檢驗過程。

對于 ROI 的計算，成本方面，每個實驗組成本可以直接計算，對于收益方面，就要和對照組相比較，假定以總日活躍天(即 DAU 按日累計求和)作為收益指標，需要假設不做運營活動，DAU 會是多少，可以通過對照組計算，即：

• 實驗組假設不做活動日活躍天 = 對照組日活躍天 * (實驗組流量 / 對照組流量)
• 實驗組收益 = 實驗組日活躍天 - 實驗組假設不做活動日活躍天

這樣就可以量化出每個方案的 ROI。

第 3 個問題，長期來看哪個更好?

這里就要考慮新奇效應的問題了，一般在實驗上線前期，用戶因為新鮮感，效果可能都不錯，因此在做評估的時候，需要觀測指標到穩定態后，再做評估。 

 例如有的時候出現，剛剛上線前期，實驗組效果更好，但是經過以端時間，用戶的新鮮感過去了，實驗組的效果可能更差，因此，從長遠收益來看，我們應該選擇對照組，是實驗組的新奇效應欺騙了我們，在做實驗分析時，應剔除新奇效應的部分，待平穩后，再做評估

第 4 個問題，不同用戶群體有差異嗎?

很多情況下，對新用戶可能實驗組更好，老用戶對照組更好;對年輕人實驗組更好，中年人對照組更好，

作為數據分析師，分析實驗結論時，還要關注用戶群體的差異。

實驗結束

實驗結束后需要：

• 反饋實驗結論，包括直接效果(滲透、留存、人均時長等)、ROI
• 充分利用實驗數據，進一步探索分析不同用戶群體，不同場景下的差異，提出探索性分析
• 對于發現的現象，進一步提出假設，進一步實驗論證

更高級的實驗

對于長線業務，可能同時有數十個實驗同時進行，不但對比每項小迭代的差異，同時對比專項對大盤的貢獻量、部門整體對大盤的貢獻量，這樣就需要運用到了實驗的層域管理模型。

• 對比每個產品細節迭代的結果
• 對比每個專項在一個階段的貢獻
• 對比整個項目在一個階段的貢獻

多個活動交集量化的實驗設計

作為數據分析師，多團隊合作中，經常遇到多業務交集的問題，以我近期主要負責的春節活動為例，老板會問：

• 春節活動-明星紅包子活動貢獻了多少 DAU?春節活動-家鄉卡子活動貢獻了多少 DAU?
• 春節活動總共貢獻了多少 DAU?

嚴謹一點，我們采用了 AB 實驗的方式核算，最終可能會發現一個問題：春節活動各個子活動的貢獻之和，不等于春節活動的貢獻，為什么呢?

• 有的時候，活動 A 和活動 B，有著相互放大的作用，這個時候就會 1+1 > 2
• 還有的時候，活動 A 和活動 B，本質上是在做相同的事情，這個時候就會 1+1 < 2

這個時候，我們準確量化春節活動的貢獻，就需要一個【貫穿】所有活動的對照組，在 AB 實驗系統中通俗稱作貫穿層。 

 (說明：實驗中，各層的流量是正交的，簡單理解，例如，A 層的分流采用用戶 ID 的倒數第 1 位，B 層的分流采用用戶 ID 的倒數第 2 位，在用戶 ID 隨機的情況下，倒數第 1 位和倒數第 2 位是沒有關系的，也稱作相互獨立，我們稱作正交。當然，AB Test 實驗系統真實的分流邏輯，是采用了復雜的 hash 函數、正交表，能夠保證正交性。)

這樣分層后，我們可以按照如下的方式量化貢獻：

• 計算春節活動的整體貢獻：實驗填充層-填充層填充組 VS 貫穿層-貫穿層填充組
• 計算活動 A 的貢獻：活動 A 實驗層中，實驗組 VS 對照組
• 計算活動 B 的貢獻：活動 B 實驗層中，實驗組 VS 對照組

業務迭代的同時，如何與自身的過去比較

上面談到了【貫穿層】的設計，貫穿層的設計其實不但可以應用在多個活動的場景，有些場景，我們的業務需要和去年或上個季度的自身對比，同時業務還不斷在多個方面運用 AB Test 迭代。

 類似與上面這種層次設計，在推薦系統中較為常見，在某一些產品或系統中，貫穿層不能夠完全沒有策略，那么采用去年或上個季度的策略，代表著基準值，從而量化新一個周期的增量貢獻

我們可以量化：

• 每個小迭代對整個系統的貢獻：實驗層中的實驗組 VS 對照組
• 周期內，系統全部迭代與上個周期的比較：實驗填充層 VS 貫穿層 1(或貫穿層 2)
• 同時，可以量化去年策略的自然增長或下降，以衡量舊有系統是否具有長期的適用性(作為系統設計者，更應鼓勵設計具有長期適應性的系統)：貫穿層 1(上個季度的策略)VS 貫穿層 2(去年的策略)

更為復雜的實驗設計

我以我目前負責的業務，微視任務福利中心的實驗設計為例，舉例一個更復雜的實驗系統設計，綜合了上面提到的 2 個目的：

• 量化每一個實驗迭代為系統帶來的增量貢獻
• 量化每一類迭代(如 UI 迭代、策略迭代)，在一個階段的增量貢獻
• 量化系統整體在上一個周期(季度、年)的增量貢獻
• 量化任務福利中心的整體 ROI(本質上，是給用戶一些激勵，促進用戶活躍，獲得更多商業化收益，所以和推薦系統不同的是，需要有完全沒有任務福利中心的對照組，用戶量化 ROI)