我相信運營對于AB測試一定不陌生。當我們從數(shù)據(jù)中發(fā)現(xiàn)了一定的問題，但是也不敢確定想出來的辦法一定能解這個問題的時候，領導便會說：小范圍測試一下吧。這時候說的測試就是AB實驗，簡單來說，AB測試是為產品的界面或流程制作兩個（A/B）或多個（A/B/n）版本，在同一時間維度，分別讓組成成分相同（相似）的訪客群組（目標人群）隨機的訪問這些版本，收集各群組的用戶體驗數(shù)據(jù)和業(yè)務數(shù)據(jù)，最后分析、評估出最好版本，正式采用。

進行AB實驗能夠有利于優(yōu)化用戶體驗，提升漏斗或者單個節(jié)點的轉化率，從而使得產品的最終效果變得越來越好。那么該怎么去進行測試呢？如何才能保證測試的數(shù)據(jù)有效性，在最短的時間內測試出來結果，以便后期能夠更好地進行調整。小步快跑，關鍵是步子要小，結果要快，后期才能更好地運用在運營過程中。

今天就來和大家聊聊，在日常的運營中，如何才能運用好AB測試，通過數(shù)據(jù)反饋，AB測試，測試結果分析，運營策略優(yōu)化等過程，最終將產品轉化的每一個環(huán)節(jié)做好，從而更好地提升在AARRR環(huán)節(jié)的某一項數(shù)據(jù)指標。

一、從數(shù)據(jù)中發(fā)現(xiàn)問題

從日常的數(shù)據(jù)中發(fā)現(xiàn)問題，找到出現(xiàn)異常的那些數(shù)據(jù)。最終，從數(shù)據(jù)中發(fā)現(xiàn)問題，也需要回到數(shù)據(jù)中去解決問題。一般來說，在數(shù)據(jù)折線圖中，數(shù)據(jù)出現(xiàn)下降拐點的很在程度上為異常數(shù)據(jù)。在進行數(shù)據(jù)分析的時候，可以著重關注這些數(shù)據(jù)。

如下圖的各個渠道周新增用戶趨勢圖，就可以重點分析，為什么第四周之后，新增用戶的增長幅度降低，是因為預算減少了嗎？還是說，在用戶注冊的過程中遇到了什么問題，導致新增用戶下降。

在日常的運營中，數(shù)據(jù)分析運用的比較多的便是漏斗模型，不一定是AARRR模型，而是用戶路徑中每一個關鍵步驟都會出現(xiàn)流失，轉化率下降的問題，只是說這個流失是否在合理范圍內，和業(yè)內的平均數(shù)據(jù)相比，這個數(shù)據(jù)是否還存在可優(yōu)化的空間。

從關鍵用戶路徑出發(fā)，從數(shù)據(jù)中能夠快速找到，用戶在哪個環(huán)節(jié)可能出現(xiàn)了一定的問題，用戶在哪個環(huán)節(jié)停留的時間比較長，用戶在某個環(huán)節(jié)轉化率急劇下降，這些可能就是AB實驗的關鍵點。做好其中一個環(huán)節(jié)的優(yōu)化，便能夠帶來明顯數(shù)據(jù)的提升，從而更好地提升轉化率。

如，用戶在淘寶上搜索一個產品的路徑可能是：

直接輸入關鍵詞——點擊某個產品——查看產品信息（包括詳情頁和評論等）——詢問客服——選擇產品規(guī)則——下單購買。而這些步驟，每個環(huán)節(jié)都會出現(xiàn)用戶流失的情況。如果每天的曝光很高，但是卻沒有點擊，那么說明在首圖中還需要去進行優(yōu)化，了解用戶為什么沒有點擊的原因：是因為人群不精準，還是因為和競品的首圖更吸引人，還是其他什么原因。這些都可以去通過AB實驗去進行測試，不斷優(yōu)化用戶路徑中的關鍵步驟。

接下來就進入重點了，如何去進行AB實驗，在這過程中，需要注意什么，什么樣的實驗才真正算一個好的實驗。

二、如何進行AB實驗？

進行AB實驗，我主要會在以下4個方面進行說明。

1）確定實驗的核心目標

2）確定測試的樣本量

3）確定實驗的周期

4）AB實驗遵從的原則

以上這4個關鍵點，是我認為進行AB實驗最關鍵的核心，將這些東西弄明白，基本上就能進行一個完整的AB實驗了。接下來，我將舉例說明。

確定AB實驗的核心目標

這個應該不用多說，運營是目標導向的，做實驗的時候也不例外。只有確定了做AB實驗的核心目的，才能更好地進行后續(xù)的AB實驗。在核心目標這里，需要延伸出來，其他兩個和核心目標相關的兩個指標，第一個是輔助指標，第二個是反向指標。有這兩個指標之后，我們才能更好地確定核心目標，后期也才能更好地檢測這是否是一次成功的實驗。如果核心指標提升了很多，但是同時反向指標也上升了很多，那么可能相當于是亡羊補牢，拆了東墻補西墻，最終也很難將核心指標提升上去。

接上邊的那個列子，在用戶搜索產品的時候，我們發(fā)現(xiàn)用戶的點擊率很低，遠遠低于行業(yè)平均水平，假設行業(yè)平均水平是5%，而目前你的產品的點擊率才2%。假設核心目標是將商品點擊率從2%提高到5%，而同時輔助指標是購買轉化率在一定程度上會有所提升，畢竟要保證進來的流量不是虛假流量，最終能夠形成一定的轉化。而反向指標是，頁面的跳失率在一定程度上不會收到太大的影響。

確定測試的樣本量

確定了實驗目標之后，緊接著我們就應該來測算出需要測試的樣本量。很大的樣本量雖然更能體現(xiàn)實驗的準確性，但是可能在數(shù)據(jù)收集上也需要耗費更多的時間。很小的樣本量，很難說明數(shù)據(jù)的準確性。所以我們需要在有限的時間內收集好足夠的數(shù)據(jù)量做實驗。按照實驗的準確性原則來說，一般是統(tǒng)計顯著≥95%確定的樣本量，是有效樣本量，能夠保證實驗結果的準確性，確定操作的統(tǒng)計顯著差異不是由于偶然因素造成的，而是系統(tǒng)設定的測試實驗的結果。

如何根據(jù)統(tǒng)計顯著，確定所需的最小的樣本量？直接用AB測試樣本數(shù)量計算器（https://www.eyeofcloud.com/124.html） 計算出每個版本需要的最小樣本量。

也就是說，做這個實驗，至少需要640個樣本數(shù)量。并且需要保證分流的均勻性，人群是隨機分類的。

確定實驗周期

是不是上邊的樣本量保證了之后，就一定能保證實驗的準確性呢？答案是否定的，還有一個很重要的因素是需要保證實驗周期，能夠剛好覆蓋產品的一般使用周期，也就是說，能夠覆蓋產品的高頻用戶和低頻用戶，保證不會因為用戶群體之間的差距而產生一定的數(shù)據(jù)的差異。

舉個例子，如果一個產品的使用周期是7天，那么實驗周期需要大于等于7。如果一個產品的使用周期是30天（如工具類的產品，比較低頻），實驗周期就需要大于等于30天，才能更好地保證實驗的準確性。

AB實驗遵從的原則

接下來，簡單地和大家聊下AB實驗需要遵從的原則，以便我們更好地進行實驗，在保證實驗結果的前提下，能夠快速推動實驗的進行。

1）小步快跑原則

遵循效率優(yōu)先、簡單優(yōu)化的原則，一點點優(yōu)化，一步步優(yōu)化。能不開發(fā)就不開發(fā)，能從UI層面解決的就一定不要麻煩開發(fā)小哥哥。即使要開發(fā)，也要了解競品的情況，給產品和技術一定的數(shù)據(jù)支撐，否則很難實現(xiàn)需求落地，畢竟開發(fā)小哥哥的時間都是很寶貴的，他們需要確認自己做的都是能夠產生一定影響的事情。

2）案例借鑒原則

AB實驗，一定要從數(shù)據(jù)入手，找到出現(xiàn)異常的數(shù)據(jù)。而最終進行的優(yōu)化實驗，也需要找到一定的案例來進行支撐（實在沒有，也要找到一個相近的案例。畢竟我們的產品很多，不愁找不到相似的產品來支撐自己的實驗。）

有其他案例作為支撐，也就是這個實驗，是從某個成熟的產品中借鑒而來的，這樣成功的幾率也就更大。同時，如果有開發(fā)需求的話，產品和技術對于這個需求也更加認可。（但是請看第一條，設計開發(fā)就一定需要排期，需要排期就一定需要一定的時間。）

3）預期管理原則

做好預期管理，這里不僅包含對于實驗的預期，也包含對于領導預期的管理，不要給領導以及其他協(xié)作者太高的預期。最終結果，要讓結果高于預期，未來才能更好地推動資源，才能讓大家更信任你。

三、測試結果分析

接下來來到最關鍵的一步，那就是測試結果的數(shù)據(jù)分析。在保證核心指標明顯提升的基礎上，輔助指標也有一定量的提升。同時，反向指標變化不明顯。一旦反向指標差異變化明顯，可能是一次不成功的實驗，畢竟犧牲了其他的指標來讓核心指標變得更好，不是長久的運營策略。如果統(tǒng)計顯著性，≥95%，那么則證明核心指標有了一定量的提升。同時，再來計算輔助指標是否也有了一定量的提升，同樣也是用上方的AB測試工具計算器來計算出統(tǒng)計顯著性。而有了一定的小范圍數(shù)據(jù)支撐之后，如果再來提開發(fā)需求，將實驗結果產品化或者繼續(xù)優(yōu)化迭代，那么需求也更加可靠。

四、將實驗結果進行整理歸類

將AB實驗結果記錄在實驗表中，方便后期更好地調用實驗想法，為新的實驗想法提供可參考的依據(jù)。

一般實驗記錄可以分為以下幾個關鍵點：

實驗的目標：如提升單點轉化率或者漏斗轉化率

實驗類型：是針對頁面上實驗，還是文案修改上的實驗，還是在用戶路徑上做了一定量的優(yōu)化，簡單描述就好。

實驗的過程：簡單描述下實驗的過程，用了多少樣本量，在多少時間內完成內進行了什么樣的實驗。

實驗結果：最終的實驗結果什么樣。

將已經(jīng)做好的實驗結果進行整理歸類，方便自己或者后來人調取實驗庫，這樣在一定程度上能夠提高做事的效率。以上就是我關于AB實驗的一些分享。

在AB實驗中，遵從最重要的原則就是：控制單一變量，小步快跑，得出結果，不斷優(yōu)化總結。用實驗的思維去升級迭代，不斷進行優(yōu)化，最終將操作系統(tǒng)變得越來越靈活。

原標題：數(shù)據(jù)運營人員如何做好AB測試

本文轉載于微信公眾號：運營汪成長日記（ID：yunyingwang001），未經(jīng)作者授權，禁止轉載

【轉載說明】   若上述素材出現(xiàn)侵權，請及時聯(lián)系我們刪除及進行處理：[email protected]