某电商公司非常注重自己的落地页设计，希望通过改进设计来提高转化率。以往该公司全年转化率平均在13%左右，现在希望设计的新页面能够带来更高的转化率，希望新页面的转化率能有2%的提升，达到15%。在正式推出新页面之前，该公司希望通过AB测试在小范围的用户中进行测试，以确保新页面的效果能够达到预期目标。

了解了基本的背景之后，就可以进入AB测试了。在进行AB测试之前，需要梳理一下AB测试的基本流程，以确保实验的顺利进行。AB测试的基本流程包括以下几个步骤：

确定实验目标及衡量指标：在本案例中实验目标是通过AB测试确定新落地页是否可以提升2%的转化率。衡量指标即为页面转化率。

设计实验方案：设计实验的具体方案，包括实验变量(即页面的具体改动点)﹑实验时间、实验样本量、划分实验组和对照组等。还需要确定实验数据的收集方法和分析方式。

一般分析方式：包括描述性统计、假设检验、置信区间估计、回归分析等等。在进行AB测试的时候，需要分析师根据实验的目标和具体情况选择合适的分析方法，并结合实际情况进行解读，提出合理的建议和决策。

执行实验并收集数据：按照实验方案进行实验执行，同事记录实验数据。

在A/B测试实验设计这一步，通常需要完成以下6个步骤：

1. 提出假设
2. 确定实验分组
3. 计算实验样本量及试验周期
4. 上线AB测试并收集数据
5. 数据分析及假设检验
6. 得出结论及建议

设计AB test实验的筏一步通常是提出假设。假设是对于某个特定变化我们所期望的结果，也是后续实验的基础，我们需要在后续实验中通过数据验证这个假设是否成立。如果验证成立，我们可以将这个变化推广到全部用户。如果验证不成立，则需要继续优化这个假设或者放弃这个修改方案，以寻找更好的变化。

在这个实验中，我们希望新页面可以提升2%的转化率，原则上我们应选择单尾检验，准确的说，应该选择右侧单尾检验，因为我们的假设是新页面的转化率要大于旧页面的转化率。但是，在本案例中，我们并不能确定新页面的性能一定比当前的页面更好。所以，这里选择双尾检验。

补充说明：单尾检验和双尾检验是假设检验中的两种常见常见形式。它们的区别在于对假设的方向性不同:

在单尾检验中，研究者针对假设提出了明确的方向性，例页新设计的落地页转化率比原设计高"、“将按钮颜色从灰色改的为红色将导致更多的点击.....因此只检验这个方向是否具有统计显著性，被称为单侧检验。

在双尾检验中，研究者不确定假设所在的方向，例如新设计的落地页转化率与原设计是否存在差异"、“改变页面布局会影响用户的满意度....需要同时检验两个方向的统计显著性，被称为双侧检验。

在AB测试中，一般应根据实验目的、数据分布情况和统计分析方法等因素来确定单尾检验或双尾检验。例如，如果实验的目的是验证新设计的落地页转化率是否明显高于旧设计，就可以选择单尾检验。但如果不确定两种设计是否存在差异，则应选择双尾检验。

简单来说，可以这样辨别单尾/双尾检验:

• 如果备择假设H1中是”"，则是双尾检验;
• 如果备择假设H1中是">“或者">”，则是右侧单尾检验;
• 如果备泽假设H1中是”<“或者"≤”，则是左侧单尾检验。

此外，需要特别注意的是:想支持的结论通常放在备择假设上。所以在本案例中，原假设和备择假设分别是:

• 原假设H0: P =P0
• 备择假设H1: P≠P0

其中，P0代表的是旧版落地页的转化率，P1代表的是新版落地页的转化率。

在此次AB测试中，我们分为实验组和对照组两组:

• 对照组(control组)︰这一组用户将看到日版落地页。
• 实验组(eatment组)︰这一组用户将看到新版落地页。

为了后续计算每一组的转化效率，需要记录每一位参与实验的用户的购买行为，也就是说无论用户看到的是新版落地页还是旧版落地页，都需要记录这位用户最终是否购买了产品。这可以通过在网站上添加相应的追踪代码来实现

• 0:代表用户在测试期间没有购买产品
• 1:代表用户在测试期间购买了产品

这样，后续就可以很容易地计算出每个组的均值，从而得到新旧两版落地页的转化率。

实验样本量的确定

我们之前讲过,根据大数定律和中心极限定理，样本量越大我们的估计就会越精确,但同时也意味着成本越高，所以需要知道实验所需的最小样本量是多少,在成本可控范围里,选择合适的样本量即可。每一个实验组所需样本量计算公式如下:

在这个公式当中，a为犯第一类错误的概率，为犯第二类错误的概率，σ代表的是样本数据的标准差，δ代表的是预期实验组和对照组两组数据的差值。一般情况下，我们会设置:

1. 显著性水平: a= 0.05,即在拒绝原假设之前，我们有95%的把握新版落地页的转化率比旧版落地页要高。
2. 统计功效(1-β) : β= 0.2, 即表示测试检测特定效果的能力，如果该特定效果存在的话。在此案例中就是，如果新版落地页真的比旧版转换率要高，该测试有80%的概率能检测出这个状况。当衡量指标为比率类指标时，

标准差计算公式为:

σ2= Pa(1- PA)+ Pp(1- PB)

其中，PA和PB分别是对照组和实验组的观测值。在此案例中PA= 13%，PB= 15%,每个组所需的最小样本量为：

实验周期的确定：根据上面最小样本量的计算，我们知道此次AB测试至少需要9440个用户参与测试，假如该落地页以往每天的平均浏览量为1000，则实验周期至少需要的天数为:试验周期=9440/1000 = 9.4 ~10(天)

目前市面上大家熟知的大公司基本上都在做AB测试，比如:百度、阿里、腾讯、字节跳动、京东、滴滴、携程、美团等:百度:

• 百度统计可视化A/B测试: https://baijiahao.baidu.com/s?id=1735048932168957887&wfr=spider&for=pc。
• 字节跳动:巨量引擎「AB实验工具」:https://zhuanlan.zhihu.com/p/508366232
• 阿里: 淘宝推出的AB测试平台，主要针对淘宝商家进行A/B测试
• 腾讯: 腾讯云AB实验平台: https://abtest.qq.com/

大公司做AB测试的主要特点就是。一般都是自研系统。而对于规模不是那么大的企业，也有做AB测试的需求，比如互金、运动。、在线教育、SaaS的都有做A/B测试，但是这部分企业一般是使用第三方的A/B测试工具。目前市面上的第三方AB测试工具主要有:

• 神测数据:https://www.sensorsdata.cn/features/ABTesting.html
• ABtester:提供web网站A/B测试http://www.abtester.cn/
• 热云数据:支持App、web、H5的AB测试https://www.appadhoc.com/

这里，我们使用的是Kaggle上的A/B测试数据集来模拟练习。

从上面的统计数据来看，新旧两版落地页的表现结果非常相近，相比于旧版落地页，新版落地页的转化率略微好一点点，高了0.3% 那么，这种差异在统计学上显著么?我们可以直接说，新版落地页更好么?

假设检验：我们分析的最后一步就是假设检验了。那么，具体选择哪一种假设检验呢?在统计学中，当样本容量较大时(一般是大于30)，我们可以使用Z检验或者t检验。

在这个案例中，由于我们的样本非常大，所以我们使用Z检验。Python中的statsmodels.stats.proportion模块可以来计算P值和置信区间:

由于我们计算出来的P值=0.607远高于显著水平α =0.05，所以我们不能拒绝原假设H0.这意味着新版落地页与旧版落地页没有明显不同(更不用说更好了......）

此外，我们继续看置信区间，treatment组的置信区间为[0.117,0.136]，可以看出:·它包括我们的转化率基准线13%。