共计 1416 个字符，预计需要花费 4 分钟才能阅读完成。
援用
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
近日，火山引擎 DataTester 推出了重要性能——A/ B 试验教训库。
基于在字节跳动已实现 150 万余次 A / B 试验的教训，DataTester 独创了 A / B 试验教训库性能。该性能可帮忙业务人员将历史的 A / B 试验教训积淀，并通过条件筛选，疾速找到所需试验信息并进行数据分析。吸取过往在 A / B 实验设计和后果方面的教训，并理解优化方向，更好为后续的业务赋能。
以往，当企业须要去查看往期 A / B 试验信息时，只能通过试验列表去挨个点击查看，这样做对于业务人员来说不仅仅很耗时耗力，而且无奈全面理解过往 A / B 实验所积攒的无效信息。
A/ B 试验教训库性能上线后，企业可能自主筛选、高效调用以往 A / B 试验的数据及详情，并查阅 DataTester 以教训报告模式做的形象和总结。该性能让 DataTester 从单纯反对 A / B 试验的数据工具平台，降级成为了企业业务信息积淀的零碎，能够帮忙企业一直迭代优化 A / B 试验的设计与成果。
在 DataTester 的教训库中，用户能够通过检索多类标签，查看业务历史上 A / B 试验的目标群体、试验策略、试验论断：
- 试验信息：反对检索试验名称、试验形容、试验版本名称、翻新人等信息；
- 运行工夫：反对对运行工夫、开始工夫、进行工夫进行工夫范畴筛选；
- 展现指标：反对输出须要所需查问的任意数据指标，如点击率、转化率、DAU 等；
- 指标受众：反对筛选试验指标人群包，可按公共属性和用户分群等维度进行筛选。
以具体的利用场景举例，假如业务经营有一个指标：冀望减少产品在“北上广深”的女性用户群体的应用活跃度。那么业务经营首先要理解在过往，产品针对“北上广深”的女性群体做过哪些经营动作，在 A / B 测试中，哪些经营动作成效显著，哪些成果不好。
在 DataTester 的教训库中，业务经营人员能够抉择指标受众为“女性”标签，再抉择城市标签为“北京、上海、广州、深圳”；此时，即可查看以往针对上述人群的有成果的试验有哪些。如果想进一步拆分针对上述人群中与“应用活跃度”无关的试验，那么能够在指标选取上更加细分和灵便。例如可选取“新增用户数”指标，来查看往期试验中，晋升了目标群体日活的试验；与此同时还可选取“订购”指标，查看往期试验中晋升了目标群体生产状况的试验。
这样一个满足业务经营所需条件的往期试验就全副筛选进去了。经营人员能够具体的查看和剖析往期试验的数据，在此基础上持续设计深入新的 A / B 试验策略。
DataTester 的 A / B 试验教训库，让企业的每一次 A / B 试验都不再是各自独立的个体，而可能层层递进，每一次都在上一次的试验成果根底上进一步调优，能够帮忙企业缩小“反复造轮子”的状况，大幅晋升效率。
DataTester 是字节跳动外部利用多年的 A / B 试验平台，以后已通过火山引擎面向内部企业凋谢服务，能基于先进的底层算法，提供迷信分流能力和智能的统计引擎，反对多种简单的 A / B 试验类型。在利用和剖析场景上，火山引擎 DataTester 深度耦合举荐、广告、搜寻、UI、产品性能等多种业务场景需要，为业务增长、转化、产品迭代，策略优化，经营提效等各个环节提供迷信的决策依据，让业务真正做到数据驱动。
目前，火山引擎 DataTester 曾经服务了美的、失去、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”教训赋能给各行业。
点击跳转 火山引擎 DataTester理解更多
