1 爲什麼要做A/B實驗?
A/B實驗,是一種驗證假設的方法,其核心方法及原理分別是對照實驗及假設檢驗。
在實際實驗時會從總體抽取部分個體組成樣本單位,並從個體實驗結果推斷總體結果。
1-1、實驗原因
由於對照實驗遵循單一變量原則,能通過對比發現因果性,並根據實驗結果量化正向和負向的影響程度。
當實現了某個新的特性,我們無法準確預估上線後是增益還是減益,從風險和成本的角度考量,會切分小流量進行驗證。
小型實驗也意味着大部分能在單研發團隊自助完成,時間和效率也能得到保障。
1-2、適用場景
A/B實驗,解決的是策略優化問題,它能幫助我們從可選策略中選擇最優策略。
它可以讓我們在已達到的山上越來越高,卻不能用它來發現一座新的山脈。
2 明確目的
數據分析的過程中一般的次序爲:相關性>>因果性>>效果。
先通過數據分析洞察相關性,再通過實驗提出假設,模糊預估其因果性。在證明成功後根據首次實驗效果,持續優化時再進行清晰預估。
3 確認指標
1)正負指標
正向指標,一般依據實驗路徑制定,是策略好壞的直接評價,如:留存人數->點擊人數->瀏覽人數->成交人數。
負向指標,適用於結果指標相近的場景,如實驗策略是下發公衆號模板,其中兩組的成交人數相近,但實驗組卻致使用戶取關人數激增。
如正向收益小於負向收益,則應分析問題考慮優化實驗或停止實驗。
2)結果、過程、觀察指標
結果指標是實驗目的,過程指標體現如何完成。觀察指標則指的相關性指標,多用於預估上升空間,如成交人數上升,但件均金額較低或購買對象僅覆蓋本人。
依據觀察指標,可以預估上升空間,並設計下一個實驗。這3個指標在此前《數據分析的邏輯思維及分析方法》已有較全面的描述,在這裏也不再贅述了,有興趣的朋友可以查閱該文章。
4 制定策略
4-1、實驗類型
1)互斥實驗
遵循單一變量原則的代表是互斥實驗,即用戶同時間僅可進行一個實驗,通過流量的互斥保障實驗結果不受干擾。
但當實驗越來越多,同時間可進行實驗的用戶量減少。流量不足,樣本的代表性差。如果要等待前述實驗結束再進行下一實驗,驗證週期增長、效率降低。
2)正交實驗
爲了解決互斥實驗的流量問題,使用的方法是正交實驗,也稱分層實驗。在此,分層的依據是不同的實驗。
正交實驗能使流量共享,同時進行多個實驗,但我們需保障各層的劃分參數相互獨立且互不影響。
如:上一層的綠色字體不能與綠色背景正交。但綠色字體可以與藍色背景正交實驗,綠色字體也可以與只能推薦正交。
最後還有一個小的細節是,實驗流量的來源不僅是上一層實驗。這裏涉及的內容可以參考谷歌的論文《Overlapping Experiment Infrastructure》。
4-2、實驗設計
實驗設計須注意的點是,儘量先粗後細,儘量先追求深度再追求廣度。當產品有明顯不佳的體驗,其實更應該迅速迭代優化,並不是每件事都要有數據、有實驗證明。
5 選擇樣本
5-1、抽樣的原則
1)唯一性原則
唯一性指在用戶進行實驗時,從始至終僅命中相同的策略。幫助我們更準確的歸因並讓用戶維持相同的體驗。
2)均勻性原則
均勻性原則有兩層定義,數量的均勻和特徵的均勻。
前者是爲了保證組間樣本數量,減少因數量小導致實驗波動過大,後者則能使樣本代表性更強。假設分組中的女性佔比過高,則實驗的結論無法推斷男性在這一實驗中是否有類似的行爲。
特徵的均勻也應與實驗目的相結合,如實驗指標爲某按鈕點擊率,實驗組樣本的點擊率已在較高的基準線上,則可能無法分析策略優劣。
5-2、抽樣方法
1)完全隨機分組
完全隨機分組,也稱CR(Complete Randomization),是最常見的隨機分組方式之一。常見的實現形式爲對某ID字段哈希後對10取模,根據結果值進入不同的組。
如果隨機選取ID進行哈希取模,那麼是簡單隨機抽樣。如果先將ID排序,逢6取1(6、16、26...)後再進行哈希取模,我們也稱之爲等距抽樣。
2)重新隨機分組
完全隨機分組,由於不考慮樣本的特徵是否均勻,可能會導致某組樣本的結果指標偏高或者偏低。爲了解決此問題,我們可以AA實驗觀察樣本差異或使用重新隨機分組(ReRandomization)。
其原理爲,每次隨機分組後,通過驗證組間差異是否小於設定的閾值。如果差異大於閾值,則重新分組,否則則停止分組。
此方法相比完全隨機分組更準確,由於缺乏重跑的依據,得到合適的樣本是概率性的,也可能造成很大的耗時。一般而言樣本量越大,重分的次數越少。
3)自適應分組
Adaptive自適應分組,是滴滴AI Lab團隊自研的分組方法,其能夠在只分組一次的情況下,讓選定的觀測指標在分組後每組分佈基本一致。
它在每次分組的時,記錄當前分配的樣本數以及樣本分佈,並計算當前對象分配至該組後該組的特徵均勻情況,從而決定應分至哪個組。
6 實驗分析
6-1、放量/全量
A/B實驗,是小流量驗證的實驗方式,那我們應如何放量呢?
其前提如下:
1)結果顯著,至少保證95%的可信度。
2)正向指標價值>負向指標價值
3)效果穩定,不因時間週期等元素變化劇烈波動
常見的放量方式有兩種,流量開放以及實驗推廣。流量開放包含了實驗內對照組和實驗組流量的切分,也可在源頭再增加樣本。
實驗推廣,則是將此實驗在其他特徵、行爲的羣體中推廣。
6-2、再實驗&終止
再實驗的原因,從效果的次序來看是:無法肯定是否有效果->無效果->效果不明顯->負反饋。負反饋如果影響了核心流程,則應考慮終止實驗。
關於這2者的分析方法和需求分析是相近的,可以參考邏輯樹“自下而上”的方法,先將每1環節可能出現的問題,再依次向上聚合。
7 幾個理論
1)辛普森悖論
在分組中佔優勢的一方,在整體中有時反而是劣勢的一方。
2)倖存者偏差
只看結果,卻忽略了呈現結果的用戶是誰。
3)新奇效應
一開始對實驗策略有較好的迴應,但一段時間迅速消失。
前2者,主要用於探究樣本的代表性和均勻性。新奇效應則應在單一變量下,重複、長時地進行實驗,保障實驗結果不受實驗影響。
寫在最後
這篇文章始終感覺難度很大,從雙盲實驗到A/B實驗,這兩個詞已經被成千上萬的文章解讀過很多遍,讓我甚至寫不出前言。最終選擇的切入點是,邏輯梳理和知識再提煉。
也因爲再提煉,會根據自身的理解省略了前期建設、上線監控等環節,其中監控更適合開單章,而數學、算法原理已經有朋友總結了很全面了,有興趣的朋友可以閱讀下方的參考資料。
感謝你看到這裏,謝謝。
參考資料
1、騰訊PCG-E計劃:實驗設計及決策基礎篇
2、ABtest 和假設檢驗、流量分配
https://www.6aiq.com/article/1555861276270?p=1&m=0
3、假設檢驗的運用
https://www.cnblogs.com/wobujiaonaoxin/articles/11910326.html
4、abtest-數據分析-假設檢驗基礎
https://cloud.tencent.com/developer/article/1427845
5、哈希表是什麼
http://www.woshipm.com/pmd/805326.html
6、區塊鏈節點間的數據驗證:哈希值與非對稱加密
http://www.woshipm.com/blockchain/1019704.html
7、Overlapping Experiment Infrastructure重疊的實驗基礎設施
https://max.book118.com/html/2018/0131/151334020.shtm
8、AB實驗在滴滴數據驅動中的應用
https://mp.weixin.qq.com/s/RQmb4c0U3j7NKNWqERvkrQ