AB实验总结

互联网有线上系统，可做严格的AB实验。传统行业很多是不能做AB实验的。

匹配侧是采用严格的AB实验来进行模型迭代，而精细化定价是不能通过AB实验来评估模型好坏，经历过合成控制法、双重差分法，目前采用双重差分法来进行效果评估。

本次只讨论AB实验，其他的非AB实验方法不做详细描述，大家可初步参考之前吴百威整理的文档。登录上海哈啰普惠科技有限公司 · 上海哈啰普惠科技有限公司《双边市场下的实验设计》。总体来说，实验研究的方法梳理见下图：

AB实验基础

A/B实验的目的在于通过科学的实验设计、采样样本代表性、流量分割与小流量测试等方式来获得具有代表性的结论，并确信该结论可推广到全部流量。

A/B实验的基本思想其实非常简单——通过控制变量法，随机抽取一些样本进行实验组和对照组的对比实验，回收实验数据，通过统计学相关知识判断两组的优劣。而目前互联网行业的A/B实验设计基本上都是参考Google公司的经典论文：《Overlapping Experiment Infrastructure:More, Better, Faster Experimentation》。通过“层”，“域”的设计，从宝贵的线上流量中选择一部分，验证产品的某个新特性，回收数据，以此选择产品迭代方向。大胆假设，小心求证，用科学的方式让产品的每一次迭代都走在正确的道路上。

传统AB实验

将正交的参数放在不同的层中，这样就可以达到同层流量互斥，分层流量复用的目标

正交性校验：

A,B是第1层中任意两个桶，用户占比例分别为N(A),N(B)，X是第2层中任意一个桶，如果满足以下条件：N(AnX)=N(A)*N(X)、N(BnX)=N(B)*N(X)，则说明第1层和第2层是正交的。同样，这个也是可以从数学上进行证明的

最小样本量计算：

设置指标时要根据业务情况决定，设置为对业务有意义的提升下限。比如1个实验业务认为至少提升5个点才有意义，提升2个点没有意义，那就设置为提升5个点需要的最小样本量是多少，2个点的差异不管有没有被检验出来都不重要。

规律：提升幅度越高，需要的最小样本数量越少

顺风车业务体量，基本可以忽略这个问题

自动计算工具：Sample Size Calculator

实验的有效天数：定价实验特别要考虑

需要考虑两个因素：

（1）试验进行多少天能达到流量的最小样本量

（2）同时还要考虑到用户的行为周期和适应期

用户的行为周期

部分行业用行为存在周期性，例如电商用户购买行为，周末与工作日有显著差异。故实验有效天数应覆盖一个完整的用户行为周期。

用户学习效应

我们的一些改动会引起老用户的好奇或不满，这时候，我们可以拉长实验周期，或者仅用新用户进行实验。

还有其他置信区间、验证指标的显著的检验方法，不详细写了。

伽利略平台已经具有的能力，顺风车所有实验都是使用数分配置的指标进行，指标统一。

网络溢出效应的AB实验

用户之间存在相互影响，这个就是我们提到的社交活动，比如说分享红包，我可以在活动发起端把用户分成实验组跟对照组，实验组参与这个活动的时候，用户把活动分享出去，就会把这个活动覆盖到原来队长组的那一波人里，就会影响效果。我们可以通过社交网络关系的刻画，找到相对孤岛的一群人，就这一群人相对内部闭环，然后把这一波人切下来去做对照组，跟其他的用户进行效果对比。他们因为关联性会比较小，所以产生的联系会比较少，但是这里面用户本身可能天然存在一定的差异。

基于地理隔离

由于用户之间的相互影响，可能产生网络效应，导致AB测试用户分隔达不到预期，所以我们要尽量从地理上去区隔用户进行实验。

从地理上区隔用户，这种情况适合滴滴这种能够从地理上区隔的产品，比如北京是实验组，上海是对照组，只要两个城市样本量相近即可。

基于簇的随机化网络实验

它的思想是把网络传播路径用一个社交关系图来刻画，并通过算法把关系图划分成不相交的簇，对簇做随机化实验，从而降低网络效应带来的偏差。

双边交易市场的AB实验

双边市场是一个连接两个群体的平台，在经济学中，我们称之为供给方和需求方。由于需求方和供给方的行为存在彼此影响（即双边网络效应），导致在 AB 测试中，实验组和对照组很难满足独立性的假设，因此如何设计实验是一个比较大的挑战。

双边网络中，供给方彼此存在竞争，需求方内部存在竞争，同时需求方的变化会引起供给方的变化，影响相互交织形成复杂的竞争环境。

电商平台AB实验

没啥新意，不存在抢夺效应，简单的用户随机分流即可

广告平台AB实验

主要是参考腾讯的这个分享，目前分析下来广告平台的隔离思路在出行行业没法使用

广告场景下双边市场的实验设计

隔离广告和流量，新方法只在实验广告组和实验流量组生效

广告和流量同时隔离

广告和流量同时隔离，但是多出空白组

广告分身实验

出行平台AB实验

时间片分流

常见时间片分流

一般是城市id+时间片，滴滴的方式。

传统AB随机分流的分流对象是用户唯一ID（司机唯一ID），而时间片分流的分流对象是一段段的时间片。这种分流算法的应用在某些业务场景并不关注单个用户的选择，更关注在一个时间片内所有用户的选择。假定时间片大小为1s，那么在这1s内所有的用户都会进入同一个组。同时将城市id加入随机因子中，就可以观察不同城市在一个时间片内用户分流情况的对比，计算业务评估指标。

比如选定城市上海，A：实验组，B:对照组，实验周期14天=14T，每个周期T=1天，每个时间片假定是2小时，具体AB实验分组如下：可以看到AB2组在实验期间的流量占比=1:1

缺点：

1: 实验周期太长，上海这座城市实验期间可能还会上线别的实验，没法保证时间片分流的正交

2: 实验组和对照组上来就是50对50分的大盘流量占比，如果实验组效果不好，没法及时感知到。

时间片轮播分流

这是参考货拉拉的方式

https://analytics.zhihuiya.com/patent-view/image?limit=20&q=%E8%B4%A7%E6%8B%89%E6%8B%89%20AND%20%E6%97%B6%E9%97%B4%E7%89%87&_type=query&redirectUrl=%2Fsearch%2Finput%2Fsimple&patentId=223c95f1-38a6-42ed-97f2-7d13c75ad0a1&sort=asc&rows=20&page=1&source_type=search_result

时间片轮播，首先需要划分一个周期，比如一天（24*3600s），再指定时间片大小3600s，同时设置不同组占用的时间片的个数，那么分流SDK就会按照该所设置不同分组占用时间片的个数进行分流，保证一个时间片内所有订单进入相同组，并且在一个周期内，不同组占用时间片的比例符合预先的设定。

为了方便统计效果，最好实验周期是以天为单位，上面的做法太散了

针对大盘流量，A：实验组，B:对照组，实验阶段一周期2天=1T，每个周期T=4小时，需12个周期。每个时间片假定是1小时，AB2组在实验期间的流量占比=1:3

多实验并行和长期实验效果评估

多实验并行

题目1：国庆期间，产品进行了一系列组合拳，拼三单功能开启，快筛增加了国庆期间订单过滤，营销活动等，请问：产品运营一系列动作对大盘的贡献是多少？

简单解法1: 采用累乘的方式近似计算

base发完率	迭代实验1大盘提升3%	迭代实验2大盘提升2%	迭代实验3大盘提升1%	总共3次实验
50%	50%*（1+3%）=51.5%	51.5%*（1+2%）=52.53%	52.53%*（1+1%）=53%	50%-》53%

有没有更好的办法？

有时候，实验A和实验B，有着相互放大的作用，这时候就会 1+1 > 2
还有时候，实验A和实验B，本质上是做相同的事，这时候就会 1+1 < 2

多数的实验都是短期的，长期的实验该如何设计？对于长期业务，可能需要非常多的实验同时进行，不但需要对比每个小迭代的贡献，还需要对比整个模块对大盘的贡献量、部门整体对大盘的贡献量，这样就需要运用到了实验的「层域架构」。注：这个架构最早是由Google的《Overlapping Experiment Infrastructure》论文提出。

就需要一个贯穿所有活动的对照组，在AB实验系统中通俗称作「贯穿层/域」。

注：「贯穿层」在Google的论文中称为「non-overlapping domain」

根据层域架构设计顺风车大盘分流图