聊一聊 AB 测试平台指标配置

你是否遇到下面的问题？

• AB 测试前定好的观察指标需要人工跑数据获取，导致实验周期拉长；

• 观察的实验指标数据和 BI 上存在差距，需要找数据开发询问口径和统计逻辑，导致沟通成本增大。

在上面问题的背景下，今天和大家一起聊下 AB 测试平台的指标配置能力。

实验指标是指，我们在 AB 测试过程中，定好的用来衡量实验效果的度量。例如下面的点击转化率就是我们定好的一个实验指标。

从以下两个方面可以对实验指标进行分类。

• 类型：

比例型实验指标，例如点击转化率、次日留存率、CTR 等；

人均值实验指标，例如人均点击次数、人均下单金额等；

两类指标的差异体现在假设检验时计算样本方差的方式，其中比例型指标是基于伯努利分布近似计算。

• 用途：

核心指标，用来决策测试组胜出的直接指标，例如上面表格中通过点击转化率决策，得到实验组 B 胜出；

必看指标，每一个测试需要观察的指标，虽然测试功能可能对其无直接因果关系的影响，但不能对其有显著负向的影响；

除了上面提到的几类指标，偶尔会对比一些绝对值的指标，例如总的点击用户数、总的下单金额。笔者认为只有在进入测试组人数相同的情况下，对比这样的绝对值指标才有意义。否则还是需要转化成比例型或者人均值指标，进行对比。

1、实验结论要快

AB 测试平台指标固化需要研发投入，有一定的人力和时间周期成本。若测试过程中依赖实验指标固化，会延长整个测试周期，最终导致 AB 测试无法快速迭代。

2、实验指标多，无法提前全覆盖

不同的 AB 测试，观察的实验指标不同。例如 UI 测试，会评估目标点击转化率；头条 feed 流测试，会评估人均阅读时长等。

把所有可能的实验指标都固化下来，100% 无法实现。有些指标只会在特定实验观察，固化下来也会存在浪费资源。

基于以上原因，AB 测试平台具备指标配置和管理能力必不可少。一方面提升必看指标固化的生产效率，另一方面对于个性化指标，提供了快速观察的可能。

指标配置是一个建立在数仓中间层模型结构上，进行参数配置化的指标开发系统。可按照一定的计算规则进行自由的拼装，实现自定义指标的功能。

这类指标配置依赖埋点管理平台中的埋点元信息。例如我们要配置一个点击注册按钮人均次数，只需要选中名为 “点击注册按钮” 的埋点事件名称，聚合方式选择 “人均次数”，即可完成指标的配置。

这种配置方式的实现原理，笔者会通过下面一个简单的例子给大家介绍，同时基于这种思想后面会引申出另一种指标配置方式。

在数仓中假设我们的埋点数据存储下面的中间层 event_data_df 中。

我们通过以下 hivesql 可以生产出点击注册按钮人均次数的指标数据。

select
       day,
       count(*)/count(distinct uid) as index_value
from 
      event_data_df
where 
      event_id='click_purchase'
group by 
      day

其中 click_purchase 是我们配置的事件名称 “点击注册按钮” 对应的事件 ID，而count(*)/count(distinct uid) 对应 “人均次数” 的聚合方式。

不难看出我们配置的埋点信息，都会拼装成一定的 sql 提交到计算平台进行计算。计算平台通过计算引擎、任务调度将指标结果计算出来，并同步至 AB 测试平台进行展示。如果要对埋点事件参数过滤或结果展示维度的配置，大家可以思考下会对应什么样的计算 sql，这里笔者就不详细介绍了。

在介绍之前，先跟大家聊一下模板化思维的方式。

生活中大家可能遇到过这种场景，用微波炉加热食物。时间太短，可能不热。温度太高，食物过硬。假设我们给微波炉设定个程序，第一步先用高火加热，第二步再用中火加热，一共加热 5 分钟。加热鸡腿时第一步 4 分钟，第二步 1 分钟，防止高火时间短导致不热；加热馒头时，第一步 1 分钟，第二步 4 分钟防止高火导致食物过硬。

这个程序我们称为模板，每一步的加热时间是模板的参数，由我们加入的食物决定的。食物就是我们这个模板的配置项，决定模板参数的具体取值。

同样的思想，指标生产的计算 sql 中，笔者设定了以下几个参数，通过配置项进行指标的生产。

指标的数仓中间层，对应事件配置中的 event_data_df；

过滤条件，对应事件配置中的 event_id='click_purchase'；

聚合方式，对应事件配置中的 count(*)/count(distinct uid)。

其中比较有难度的是对聚合方式的抽象，大家可以考虑下自己做的指标中，分别有哪些聚合方式。

指标配置的核心思想，是建立一站式的指标可视化开发服务，覆盖了从指标定义、指标开发、任务调度、指标发布、指标应用的全过程。

指标配置应用在 AB 测试平台上，主要有以下优势：

1、指标计算逻辑清晰

每个指标基本信息、中间层模型、调度信息平台可查，数据血缘清晰明了。

2、指标口径和需求一致

AB 测试平台、BI 平台等数据平台展示的指标都是配置化生产出来的，相同指标口径和用户需求一致，不会出现跨平台的差异。

3、相同的指标需求，配置一次就够

配置的指标在 AB 测试平台上或者其他平台都可以使用，不需要重复加工生产。

根据笔者的调研发现，企业内部 AB 测试平台和商业化的 AB 测试平台，在指标配置功能建设上存在比较大的差异。

1、数据来源的差异

商业化 AB 测试平台会和埋点行为分析等平台形成产品合力，能够分析的数据大都是埋点 SDK 采集的用户行为数据。

而企业内部构建的数仓不仅包括用户行为数据，还有服务器日志、外部数据等。

2、产品目标人群的差异

商业化 AB 测试平台面向 B 端公司中负责数据分析的角色，且 B 端公司无法对数据源进行二次开发。

企业内部 AB 测试平台角色分工明确，数据开发负责指标生产，产品运营负责获取数据进行分析。

综上所述，企业内部 AB 测试平台指标配置会考虑提升数据开发指标生产效率，故而会优先选择基于指标数仓中间层配置指标的方式。而商业化 AB 测试平台，面向 B 端用户，需要降低配置门槛，会选择基于埋点事件配置指标的方式。

笔者所在公司的指标配置是一个独立的平台，在设计内部 AB 测试平台指标配置能力时，我们直接复用了指标管理平台的能力。在指标统计口径上做到了完全复用，保障了指标口径的统一。AB 测试平台负责在实验统计模型方面沉淀数据应用，如常见的实验样本量的计算、实验指标的显著性和置信区间的计算等。期待下期给大家分享这些统计模型的实现方式。