电商广告平台ab实验的前世今生是真的吗「电商广告」

在今天，电商平台可谓发展的如火如荼，美国有亚马逊，中国有京东、淘宝，不论是谁，广告收入都是其非常重要的一部分，在有的平台，甚至占据了大部分，其中有一个科学的实验方法，就是ABtest。

京东的广告平台教京准通

在1920年代，Ronald Fisher将A/B实验正式化和科学化：当时他主要研究的方式在于将同一块田地平均分割成N块区域，然后在不同的区域随机添加不同剂量的肥料来评估不同剂量对于农作物产量的影响。使用同一块田地和随机施加主要是为了降低剂量以外因素对结果的影响，来保证结果的科学性和无偏性。假设在更肥沃的土地上施加更多的肥料，就无法知道结果是由于肥料的剂量还是土地的肥沃程度所导致的。

田地分割测试

接着，我们回到电商广告领域，广告主想要测验创意版本A和创意版本B哪一个的效果好。

1、给定一个人群，决定版本A和B的流量分割比例（通常50%/50%）

2、先估算想要检测的效果差异，标准差等信息来做检验效能的估计（Power Test）来决定样本量。

3、开始测试，随机给该人群播放版本A或者B

4、到达样本量后停止实验，可对结果进行T检验或者回归分析来比较两者的差异和统计上是否显著，来判断哪一个版本更佳，再来决定之后投放哪个版本。

但是这种传统AB实验会有一系列的局限性：

1、一旦流量分割比例被决定下来（例如50%/50%），传统A/B实验会一直保持相同的比例直到实验结束。

2、如果版本B的效果比版本A差很多，那就意味着一半的流量会到效果差的版本，这样做实验成本极高，尤其当样本量大的时候。

传统AB实验会有其局限性

所以，敲黑板了！

基于Bandit算法的智能A/B实验来了！

1、它在实验过程中不停的对版本A和版本B的效果差异进行对比，然后调整版本A和版本B的流量切割比例，来优化实验本身的投放效果，并在实验结束后进行整体比较。

2、不单单是京东，包括国际上知名的亚马逊、谷歌等公司都使用此类算法来进行实验优化。

基于Bandit算法的智能A/B实验

这种方式更加科学，关键是可以让广告主和平台都获得好处，平台流量不会白费，广告主也实现了曝光和营销目标，可谓一举两得。

我是互联网人柏林，加油。