看似简单,不一定谁都会做

职场   职场   2024-06-14 08:18   天津  

专业成就职业

大家好,我是策略产品夏师傅

AB测试是一种非常科学的做产品迭代和效果衡量的方式,但是大部分公司,存在一种奇怪的现象:为了做AB而做AB。

很多产品经理去做AB测试的时候,基本就是按照下面的流程:分两个组,开流量,上线看数据,下结论。

看看你们是不是也是这样做?至少我训练营的同学很多都这么跟我反馈,每天无休止做着无用的AB测试,毫无成就感。

这么做并没有发挥AB测试真正的作用,反而有时候会给我们带来错误的决策,一次专业,科学的ab测试远比这个复杂和完善,今天跟大家聊一下如何做一次专业,科学的AB测试。

我会通过正确的做法和错误的做法对比,并且说明一下正确做法的优势。

01 AB测试的必要性

首先,我们需要先去判断是否需要做AB测试。为了能够量化我们的需求收益,原则上所有需求都需要做AB测试,但是有几种除外:政策类需求、战略性需求、以及产品必备需求,这类需求无需做ab实验。

政策类需求通常是关系到民生的一些需求,比如我们之前做的老龄化改造,很多做C端的同学应该都做过,这个过程必然涉及到诸如:放大字体,砍功能,减有效信息等需求,即使对线上业务指标有影响也是必须要上线的。

战略类需求则是企业考虑到长期收益做的一些事情,这些需求不看短期收益,也因此不会去做AB实验去衡量具体指标的变化。

产品必备需求,也就是用户为了完成基本业务流程所必需的功能,逻辑等,这类需求也无需做AB测试。

02 AB实验核心指标确定

做AB实验之前需要确定一个核心指标作为AB结果的衡量指标。很多时候我看到有些产品经理没有唯一核心指标,实验过程中看到有指标收益较大,即认为Ab实验有效,这是不科学的。

正确的做法:1个核⼼指标, 多个测指标;统计该指标在一定时间内的方差;

错误的做法:观察多个指标或者无指标,AB测试做成了灰度测试;

优势:目标明确,结果可量化,且可拆解,有利于明确增长因子。

正如我昨天视频号直播讲的:做AB实验可以在任意时间看数据,但是不要随意做决策,做决策是有前提条件的。

03 计算AB实验前置条件参数

Ab实验的条件参数最基本的包括预期提升值,最小样本量,实验时长。

预期提升值:

正确的做法:根据预期的效果和前的数据调研,设定最⼩预期提升值 。例 ⼩提升5pp

错误的做法:收益预估,  边⾛边 的⽅式,导致业务收益波动,甚⾄产⽣损失

优势:⼒聚焦,可以避免⼀试的⼼态,平衡本和收益

那么,我们如何去确定需求上线后能够给我们带来的收益是多少呢?

这块我在训练营讲过,对于策略产品,核心通过以下三个步骤进行收益预估:

通过以上方向就可以预估出一个策略带来的收益是多少。

最小样本量:

正确的做法:据试验指标⽅差,提标以及置信度来计次试验所需要的最 样本量

错误的做法:有明确的⽅法,  凭 验和惯⽤的流量⽐ 例去做

优势:避免流量浪费,给其他试验,避免在统计功效不⾜的情况下给出错 结论

实验时长:

正确的做法:根据试验的性质以及身的影响程度,结⼩样本量和试验例来计算最终试 时⻓不到规定的时⻓,前下结论

错误的做法:不提前设定时长,凭经验来设定。看数据,提前或者延后下结论, 望满⾜⾃⼰预期 结果出现

优势:综合考虑了统计功效 、可接受⻛险, 时间效应等关键   不错⻓期正确 版本避免重复检验,导⼀类错误概率激   置信度下降

另外,这些指标都有科学的计算方法。

比如最小样本量=16X指标方差/最小预期提升值的平方。

04 配置实验

配置流量,分组,上线实验。以上条件参数计算好以后便可以进行Ab实验配置,通常会有对应的Ab平台进行。

包括流量分配,分组设置等等。

05 数据统计

回收AB数据,并且进行结果分析,这个时候我们需要看如下几个指标:核心指标diff、P值,同时也可以参考最小样本量,MDE等来进行数据诊断。然后结合最终结果进行决策。

以上就是如何做一个正确的Ab实验五个步骤。

最后,如果你现在是策略产品,但是做的比较野路子,不成体系,或者你现在是C端,B端产品经理,希望转到策略方向,欢迎来我的训练营看看,35期训练营正在进行当中,随到随学,全程1对1辅导,好好学,达到拿offer的水平没问题。关于效果和具体介绍见

大多数人没有明白面试准备的含义

报名联系

策略产品夏师傅
夏唬人,京东/美团/阿里/快手高级策略产品专家,搜索业务负责人,策略产品经理训练营主理人
 最新文章