前言前不久Hubble推出AB测试平台，web端已支持了编程实验、多链接实验，现在又支持了可视化实验。可视化实验通过所见即所得的在线配置，降低了运营方使用A/B Testing 的成本，本文就web端可视化实验实现简单分享下。分析整个可视化实验流程大体如下： 1. 创建可视化实验，填入目标url； 2. 打开目标页，进入在线编辑状态； 3. 编辑完成后保存退出； 4. 进入可视化调试；
转载
2024-04-12 10:35:08
102阅读
应用中不同的场景、设计方案，不经过测试，你永远不知道消费者会更偏好哪一种。面对随时可能变更的产品需求，开发人员如何才能在保证测试进程的同时，让工作也变得高效、省力？本章内容，网易严选Android资深开发张云龙为您解读《Android ABTest 的框架设计》概述什么是Android ABTest ？AB测试是为web或app制作两个(A/B)或多个(A/B/n)版本，在同一时间维度，分别让组成
转载
2024-08-15 09:01:10
62阅读
AB test用于推荐系统在线测试AB test一个总的目的和意图是，判断哪种UI或rerank策略更优，通过事实的依据判断哪种方案更符合用户的习惯和需求。一、背景介绍无法衡量就无法优化，对于互联网产品而言，不仅是推荐系统，整个app系统的更新迭代必然需要建立一套度衡量，来把控整个流程优化的方向，而ABtest系统就是一个很好的进行变量控制和优化方向选取的工具，循环：衡量-发现-迭代-验证。所谓精
转载
2024-05-18 15:26:02
270阅读
1.A/B测试简介 在各个行业中，ABtest对于数据分析师来说都是一个不陌生的明细。那么ABtest到底是什么？其基础原理是怎样的？ 在网站和APP的设计，产品的运营中，经常会面临多个设计/运营方案的选择，从界面颜色，界面功能按钮，不同的运营方案，都有不同的选择。ABtest可以帮助我们去做出选择，得出用户体验最佳的设计方案。 ABtest很类似于生物钟的控制变量法。将用户划分成不同的小组，在相
转载
2024-01-16 19:27:15
551阅读
一、ab工具介绍ab是apache bench命令的缩写。ab是Apache超文本传输协议(HTTP)的性能测试工具。它不仅可以对apache服务器进行网站访问压力测试，也可以对或其它类型的服务器进行压力测试。比如nginx、tomcat、IIS等。二、原理ab命令会创建多个并发访问线程，模拟多个访问者同时对某一URL地址进行访问。它的测试目标是基于URL的，因此，它的实用性非常高，可用作测试多种
转载
2024-10-06 12:48:40
90阅读
标签： Html检测 / css错误检测 / 代码规范 / seo工具 在用IE浏览网站时，发现下面显示“网页上有错误”，虽然不影响浏览，但总归让人感觉不舒服，大概多数站长都遇到过。而如果你的代码基础不是很好的话也许根 本找不到办法去解决这个问题，以致费了好多时间都无从下手，我是遭遇过多次这样的烦恼，因为本站加了一些代码，但是难免会冲突，有时候就在状态栏显示错误，代码很长挨个看实在头疼。于是爱整
作者：子固
部门：数据中台
一、背景有赞是一个商家服务公司，致力于帮助每一位重视产品和服务的商家成功。随着移动互联网的流量增长红利渐渐褪去，商家获得新的流量越来越困难，帮助商家实现更有效的流量转化与长期目标的增长是有赞SaaS服务的应有之义；同时，随着有赞SaaS功能的不断完善，服务的商家不断增多，而业务场景也越来越复杂，考虑到有限的研发资源，提升产品和技术的迭代效
最近在接触前后端分离的Springboot+vue框架。相较于之前用的ASP .NET MVC框架，Springboot+vue将前后端分离得更加彻底，并且将前后端分别置于不同的服务器：Nginx和Tomcat中。因此，用ASP .NET MVC的思想让前端访问后端接口时就会出现一些小问题。本文记录如何设置反向代理，让vue访问同一IP地址内的后端接口。 -- By Brisk不同于ASP .N
转载
2024-06-29 09:22:34
25阅读
1. 背景：互联网发达的今天，大大小小的网站如雨后春笋，不断出现，但是想要做出一个网站很简单，但是想要做好一个网站，非常非常难，首先：网站做好之后的功能怎么样这都是次要的，主要的是你的网站能承受怎么样的访问量，一个在高压访问下，能承受很高峰值的访问并发才能称得上是一个好的网站，那么作为一个程序员，当你搭建好你的网站之后，你应该怎么测试你的网站并发访问量呢？ 接下来要介绍的
一. 统计学原理（知识预备）1. 三大抽样分布、第一/二类错误卡方分布定义：设是来自标准正态分布的样本，则称统计量服从自由度为n的卡方分布，记为，其概率密度曲线pdf：当自由度n逐渐增大，曲线逐渐接近正态分布。t分布参考资料：统计学-t分布 - 知乎、《概率论与数理统计》定义：设，且X, Y相互独立，则称随机变量服从自由度为n的t分布，记为，其概率密度曲线pdf：当自由度n逐渐增大，曲线逐渐接近标
转载
2024-08-01 17:56:30
97阅读
一、灰度发布
1. 简介
灰度发布，是指在黑与白之间，能够平滑过渡的一种发布方式。
通过不同策略对用户进行分流，不同的用户组使用不同的应用版本。
2. 优点
互联网服务变动频繁，发布周期短。速度与质量总是难以双全。灰度发布有以下优点：
转载
2024-08-02 14:42:38
24阅读
前言：在每个Web应用程序中，作为用户直接可见的应用程序外观，“前端”包括：图形化的用户界面、相应的功能、及其整体站点的可用性。我们可以毫不夸张地说：如果前端无法正常工作，您将无法“拉新”网站的潜在用户。这也正是我们需要对Web应用执行前端测试的重要原因。为了确保Web应用无论发生了何种变更之后，其对应的前端都能够与bug“隔离”，我们需要针对前端开展各种测试，主要包括：测试应用程序的基本功能、用
转载
2024-08-03 13:13:28
50阅读
最近工作中，频繁听到业务方和同事聊到AB Test，所以我研究了下AB Test的流程规范。一、背景实际业务场景中，为了优化产品体验，我们常会提出多种产品策略方案。比如，手机的温控策略，可能会有多种方案，但选择哪种方案能给用户带来更好的体验呢？除了通过实验室测试、招募试用用户体验和使用现有数据验证等方法之外，最直接的方法是AB Test。AB Test是一种测试方法，通过对比两种策略在研究主体上的
转载
2024-04-29 22:57:39
254阅读
目录定义相关概念1. 白名单2. 流量正交&正交实验3. 灰度发布4.检验灵敏度AB Test 完整的实验流程1. 流程2. 注意事项3. 假设检验4. 实验5. 分流6. 确定最小样本量7. 确定实验时长8. Z检验9. T检验不显著现象及解决定义为了验证一个新策略的效果，准备原策略A和新策略B两种方案。 随后在总体用户中取出一小部分，将这部分用户完全随机地分在两个组中，使两组用户在统计
sdk支持abtest功能现在web端A/B 实验支持三种类型：编程实验、多链接实验、可视化实验，sdk在用户客户端的功能就是拉取实验配置，执行实验。流程如下：graph TD
A[拉取实验配置] --> B
B[归类实验配置] --> C
C[运行多链接实验] --> D
D[发送da_abtest事件] --> E
E[运行可视化实验或编程实验] --> F
F
转载
2024-04-24 16:25:59
225阅读
目录一、实验设计1确定业务目标2 选择检验指标2.1 选择一类指标2.2 选择统计量3 确定原假设与备择假设4 两类统计错误的防范5 样本量计算6 检验策略选择、设计分组策略7 当企业没有AB测试的条件的时候，如何解决问题？二、实验结论分析1 决策统计检验2 决策业务问题结束语 我在另一篇博客中提到了什么是ABTest，并引用了一个项目，感兴趣的朋友可以再去看看。本篇博客会从企业真实业务的角度来
转载
2024-05-20 10:32:38
122阅读
个性化推荐系统、搜索引擎、广告系统，这些系统都需要在线上不断上线，不断优化，优化之后怎么确定是好是坏。这时就需要ABTest来确定，最近想的办法、优化的算法、优化的逻辑数据是正向的，是有意义的，是提升数据效果的。ab需求能方便测试，提供界面快速调整流量，调整流量后能够方便看效果变化，以及不同ab分支算法对比到底是a算法好、还是b算法好、还是c算法好。再有就是白名单配置上线新算法时，实现新算法上线测
转载
2024-03-09 18:31:22
220阅读
[从案例实战看AB Test系统设计及其原理 | 人人都是产品经理] 编辑导语：AB Test，即有A、B两个设计版本。通过小范围发布，得到并比较这两个版本之间你所关心的数据，最后选择效果最好的版本。对于互联网产品来说，通过A/B测试提升点击转化率，优化获客成本可以得到越来越多的关注。本文作者从案例实战出发，为我们分享了AB Test系统设计及其原理。在实际工作中，我们经常会遇到这种问题
转载
2024-03-30 07:55:19
408阅读
目录1.基本概念2.ABtest流程3.ABtest样本量计算(假设检验)3.1 对于点击率，转化率等指标的样本量估计3.2 对于时长等指标的样本量估计4.ABtest显著性检验(假设检验)5.注意5.1 新奇效应5.2 灰度发布5.3 早鸟用户5.4 分组信息控制产品功能5.5 正交性实验6.参考资料 1.基本概念ABtest是一种在线评估方法，为了实现同一个目标而制定的两个方案，一部分用户使
转载
2023-12-16 10:11:42
154阅读
1. 背景介绍无法衡量就无法优化，对于互联网产品而言，不仅是推荐系统，整个 app 系统的更新迭代必然需要建立一套度量衡，来把控整个流程优化的方向。而 ABtest 系统就是一个很好的进行变量控制和优化方向选取的工具，循环：衡量 - 发现 - 迭代 - 验证。所谓精细化迭代是一种建立在数据基础上的思维方式——用较少的成本获得较好的效果。无数据，不优化， 线上分流实验是进行推荐算法优化的必由之路。并
转载
2024-05-16 19:24:59
19阅读
