共计 1265 个字符，预计需要花费 4 分钟才能阅读完成。
更多技术交换、求职机会，欢送关注字节跳动数据平台微信公众号，回复【1】进入官网交换群
近期 DataTester 上线了 MAB 智能调优试验性能，心愿通过智能化、自动化的 A/B 试验模式，帮忙业务团队实现收益最大化 。
在 A/B 试验平台的研发路线上，火山引擎 DataTester 走在业内前沿，在惯例的 A/B 试验之外，始终在摸索实际智能试验。此次新性能 MAB 智能调优试验 (Multi-Armed Bandit)，是一种能依据以后试验数据体现，来智能调整试验内不同实验组的流量比例调配的试验类型。
传统 A/B 试验依赖于统计显著性的经典假设检验，为对照版本和试验版本调配相应的流量，但在试验期间不可能变更每个子版本的流量。因而这类试验须要专门的预留周期（至多 7 天），必须有足够的样本进入试验，并且在试验开始后不能有任何变动，能力得出显著后果。而火山引擎 DataTester 的 MAB 智能调优试验，克服了传统 A/B 试验的上述限度，在如下几个场景上有非凡的利用劣势。
在冷启动、流量少的场景下，MAB 试验也能施展 A/B 试验的劣势点。 对于初创公司，或在产品、流动冷启动期间，面临的一大问题是没有足够的流量进行试验。但因为 MAB 试验会基于当下指标的体现动静进行流量调配，所以可能在总流量不多的状况下，通过 A/B 试验的模式将收益最大化。
有了 DataTester 的 MAB 试验，短周期的流动也一样能够依附 A/B 试验进行优化了。 流动经营有很大一部分是持续时间较短的流动，例如很多电商流动的继续周期只有 1-3 天，如果受限于传统 A/B 试验的限度，仅试验流量就要跑 7 天以上能力失去显著性的成绩，无奈利用在短周期流动中。而 DataTester 的 MAB 试验，因为试验外围指标是整个流动收益最大化，而非帮忙用户找到数据最优组，因而对试验时限无要求，短周期流动也能够用 A/B 试验优化。
在促成高价值流量转化方面，MAB 智能调优试验能够起到减速作用。 对于一些高客单价的大额商品，如汽车、钻石等，每一个转化机会的老本都很高。如果采纳传统的 A/B 试验，在取得统计上显著计划的过程中，会错失一部分的后期试验流量，但 MAB 试验可能在过程中依据实时数据进行动静调优，缩小试验过程中的转化机会损失。
此外，一些特定场景下，如波及到 App 文案题目、缩略图、视频内容等的 A/B 试验优化测试，它们须要在短的窗口期内取得最大点击量，却受限于传统 A/B 试验实时性较弱，难以利用优化。而 MAB 能够在短周期内即可查问各版本的转化成果，火山引擎 DataTester 目前能够实现每半小时，即可获取更新数据反馈。
DataTester 是火山引擎数智平台旗下产品，可能深度耦合举荐、广告、搜寻、UI、产品性能等多种行业场景需要，为业务增长、转化、产品迭代，经营提效等各环节提供迷信的决策依据。
目前，DataTester 推出了 30 天收费试用的流动，在理解了 MAB 智能调优试验的利用场景后，如果你感兴趣，能够返回火山引擎 A/B 测试官网进行申请试用，无需企业认证，一键申请即刻开明！
点击跳转 火山引擎 A / B 测试 DataTester 理解更多