1. 编程实验

本节将会介绍完整的实验创建流程，包括填写实验信息，确定实验变量，接入SDK以及使用实验变量。 路径：实验管理--新增实验

1.1. 基本流程

本节将会以一个实例来对整个实验流程进行描述，请按照以下环节进行实验的创建与控制。 AB测试流程图

1.1.1. 基本信息

  1. 填入实验名称，为了方便大家理解，推荐实验名称跟实验内容保持一致。例如针对注册按钮的设计不同的实验方案时，最好以“注册按钮颜色测试”作为名称。
  2. 实验类型选择，HubbleData支持三种实验类型选择，分别是编程实验，可视化实验以及多链接实验。本节将主要介绍编程实验的创建流程以及注意事项。
  3. 选择实验运行的应用平台，应用的创建以及管理请在HubbleData的分析平台上管理。

  4. 实验多个分层可以认为流量的多次复用：

    1. 同一分层的实验流量相加为百分之百，同一时段用户仅会参与指定分层的一个实验。

    2. 不同分层的实验流量互不干扰，同一时段用户可能会参与两个或多个实验。（实验处于不同分层）

      如果想要尽可能放大实验流量，可以选择在新建一个实验分层。请在实验之前确认，
不同分层的实验之间不会互相影响。
  5. 请认真填写实验备注信息，实验备注信息包括以下内容：
    1. 实验内容，新设计的逻辑以及实验逻辑跟原有方案的区别，新的特点等等；
    2. 实验目的以及预期，新的设计方案希望实现的效果以及优化指标。

1.1.2. 实验版本

  1. 输入本次实验的实验变量，请跟负责开发的同事协商之后填入有实际意义的变量。例如案例中需要测试按钮颜色，所以设为bColor。
    1. 实验变量需要集成在应用中，所以变量名称只能含有英文字母，数字以及下划线，且下划线不能作为第一个字母；
    2. 实验中可以选择已经存在的实验变量，从而进行实验变量的复用。例如将文案内容作为应用的输入变量，如果可以通过后台控制该变量的输入，那么这个实验变量可以多次使用。为了实验的科学性，相同的实验变量只能在同一层实验中使用。
  2. 跟据实验方案创建实验版本，并且输入对应的变量值。一般将未做任何更改的设计方案作为原始版本,这个版本将作为新方案的基准
    1. 输入实验对应的实验名称，例如案例中将新的设计方案命名为蓝底白字；
    2. 输入实验变量对应的值，例如案例中将新的方案变量值定义为white；
    3. 输入该版本对应的黑白名单注意如果用户同时作为黑白名单，黑名单优先
      1. 当进入黑名单时，指定用户将不会进入该版本；
      2. 当进入白名单时，指定用户将会看到这个版本；
  3. 确定希望优化的数据指标，请提前沟通好希望优化的数据指标。优化指标仍然使用HubbleData的事件模型，选择对应事件的聚合度量。例如提交订单的用户数，以及转化率。
    1. 选择优化指标的事件
      1. 暂时仅支持HubbleData中已经上线或者提前定义好的的埋点事件；
      2. 如果产品还没有上线，但是仍然希望将这个事件作为优化指标。你可以在行为分析的埋点管理功能预先声明事件，我们会在后续的计算中自动做事件的匹配。
      3. 选择事件所在的应用终端，HubbleData效果评估模块支持跨应用进行分析。典型场景如不同版本在后端控制，但是埋点处于客户端。此时你需要在在优化指标应用选择处，选择多个客户端应用。
    2. 选择这个事件的聚合度量，HubbleData暂时仅支持以下三种度量：
      1. 事件的触发次数，例如案例中的点击单图的触发次数。选择点击单图的触发次数时，HubbleData将会自动计算点击单图的触发次数，点击单图的人均触发次数，点击单图的人均触发次数变化率；
      2. 事件的触发用户数，例如案例中的点击单图的触发用户数。选择点击单图的触发用户数，HubbleData将会自动计算点击单图的触发用户数，点击单图的转化率，点击单图的转化率的变化率；
      3. 事件的数值型属性的总值，例如支付订单事件有个金额属性是数值型，那么优化指标可以选择支付订单的金额总值。HubbleData将会自动计算总值，人均值以及人均值的变化率。
      4. 优化指标特别说明：
         1. 人均触发次数=该事件的触发次数/该事件的触发用户数，分母并非实验参与人数
 2. 转化率=该事件的的触发用户数/参与实验的触发用户数
 2. 人均值=数值型指标的加总/事件的触发用数，分母并非实验参与人数

1. 实际操作中建议仅设定一个优化指标作为优化指标，以免指标过多干扰结果的评估。
2. 优化指标支持筛选条件，但是请谨慎使用，筛选条件的不当使用有可能会跟实验流量冲突。例如Web端实验中，如果筛选条件限定为macos，实验流量中必然有一部分windows用户无法触发这个事件，这时候人均优化指标的计算会偏小。

1.1.3. 实验变量集成

  1. 请先集成JS SDK，详细使用说明请参考文档，示例如下：
    DATracker.init('xxxxx', {
     abtest: {
         enable_abtest: true
     } 
 });
  2. 在控制实验版本的代码处集成变量。 请务必与开发确认实验变量以及对应的变量值，并且做好调试工作。变量的集成与调试请参考SDK开发文档。详细使用请参考JS文档，示例如下：
    DATracker.init('xxxxx', {
     abtest: {
         enable_abtest: false
     } 
 })

results matching ""

    No results matching ""