复杂 A/B 实验如何设计?火山引擎 DataTester 帮你落地!
更多技术交流、求职机会,欢迎关注字节跳动数据平台微信公众号,回复【1】进入官方交流群
数字化转型时代,越来越多企业将目光聚焦于“数据驱动增长”的实践上,A/B 实验则在其中扮演着愈加重要的角色。
A/B 实验又称对照试验,但并非人们字面认知的“抛出 A 和 B 两个方案,通过数据选取最优解”这样简单。在业务的实际应用中,有较多的情况是需要多实验并行、经由多重子目标和多方举措配合,才能达成业务增长的总目标。
针对常见但复杂的 A/B 实验场景需求,近日火山引擎 A/B 测试(DataTester)推出了新功能——优化计划。当企业遇到非单个 A/B 实验能解决的问题时,可基于该功能围绕同一目标设计多重实验并同时运行,过程中可实时监测调整方案,通过多种手段验证想法,实现科学决策。
据介绍,在企业的运营过程中,一般会有核心关注的业务指标,如电商的 GMV 指标、运营活动的 PV/UV 指标等。如果要达成核心业务指标的提升,通常不能通过单一举措就可得到有效结果,而是需要多重举措并行、相互配合完成。
因此围绕业务总目标,企业会设有多个子目标,针对每个子目标再设计多组 A/B 实验,进行策略验证。
DataTester 的「优化计划」能力,可以直接帮助企业管理多重 A/B 实验的业务逻辑,并直观展示所有 A/B 实验的进度与动态。
业务只需要设置总体的优化目标,并通过“评价指标”和“衡量标准”完成不同子目标的拆解,即可针对子目标分别设置实验,并统筹查看效果。
如企业可以直接在「优化计划」中设置计划目标为——提升新用户登录率,而后进一步梳理子目标:
子目标 1:新用户红包活动促登陆(预期+20%)
子目标 2:优化登陆按钮文案(预期+2%)
子目标 3:增加登陆页呼出入口(预期+5%)
在 DataTester 的产品界面中,可以一目了然每一个子目标的关联实验,及其指标的详细信息。
DataTester 是火山引擎数智平台旗下产品,能基于先进的底层算法,提供科学分流能力和智能的统计引擎,支持多种复杂的 A/B 实验类型。在应用和分析场景上,DataTester 深度耦合推荐、广告、搜索、UI、产品功能等多种业务场景需求,为业务增长、转化、产品迭代,策略优化,运营提效等各个环节提供科学的决策依据,让业务真正做到数据驱动。
据悉,DataTester 经过抖音、今日头条等字节业务多年验证,截至 2022 年 8 月,字节跳动内部累计完成了 150 万次 A/B 实验。
目前,DataTester 已经服务了美的、得到、凯叔讲故事等在内的上百家标杆客户,将成熟的“数据驱动增长”经验赋能给各行业。
跳转火山引擎A/B测试DataTester官网了解详情!
评论