更多技能交流、求职机会，欢迎关注字节跳动数据渠道微信大众号，回复【1】进入官方交流群

A/B 测验是在相同的环境下，经过随机的抽样把对照组和操控组进行区别，并别离实行新旧两种战略，结合必定的核算方法来操控随机抽样中带来的随机误差，得出两种战略的对比情况，从而能够精确的对新战略作用进行评价。

A/B 测验具有小流量、低风险、抗干扰的特点，随机操控变量并对结果进行量化，以达到精确的评价作用，具有科学性和严谨性。现在 A/B 测验能够经过一些试验渠道来进行大规模使用，经过核算战略的评价方法进行因果揣度的新标准。

字节跳动的 A/B 测验渠道叫做 DataTester，这个渠道在字节内部现已服务了 500 +多条事务线，在线上开的试验总量超过了 150 万个，一起线上运转的试验数有 3 万多个个，并且这些数字仍在继续上涨中。

在字节，A/B 测验是事务决议计划的根底功用，任何产品上线前都需要做小流量的验证。一切的团队倾向于把产生的每一个新想法都拿去做假定，用一个又一个 A/B 测验去不断验证，乃至是推翻修正，继续的进行迭代，终究推进事务的增加。小到一条站外推送的音讯，大到整个技能底层架构的优化修改，都会做 A/B 测验。

在字节，A/B 测验被使用最广泛的是内容引荐、营销活动、运营战略、产品功用以及技能优化这几个方面。“万物皆可 A/B”是字节的理念，乃至是抖音和西瓜视频这两个产品的取名，都和 A/B 测验有关。

字节跳动的 A/B 试验渠道长什么样？

DataTester 现在现已正式经过火山引擎对外服务，它基于先进的底层算法，供给科学分流能力，供给智能的核算引擎，试验结果可靠有用，助力事务决议计划。经过火山引擎对外发布的 DataTester，不管对字节内部仍是对外，都运用相同的产研团队和技能方案，其根底功用大致相同。唯一不同的是因为内外部服务的客户不同存在的一些细小差异。

例如对外增加了许多场景化的监控模板，而内部则可能有更多相对高级的功用。因为 A/B 测验的整个体系除了在数据链路上有一些数据产品常见的特征之外，它与事务体系也有更多的连接。

一站式全栈多场景试验渠道的 DataTester 框架全体分成了 5 层。

在使用层，DataTester 服务的职业十分广泛，除了互联网职业之外，还包含金融、消费品、零售职业、汽车职业，包含泛互联网职业里边的一些细分的子领域。这些客户在日常许多的作业场景中都是能够做 A/B 测验的。这些场景抽象下来首要包含广告优化、落地页营销活动优化和用户 push 流程、画布触达优化的试验。

下面 4 层是 DataTester 怎样去和使用层进行接入来供给服务的。在接入层和会话层。经过 DataTester 的分流服务来聚合客户或内部事务的各种线上触点来进行对接，包含但不限于服务端，客户端，乃至是一些小程序和其他广告投放触点的接入。

外部的首要接入方式是经过 SDK 来进行接入，接入 SDK 的一起也会打通数据上报和数据收集的流程。一起 DataTester 也会经过分流服务，把分流的结果要下发到相应的装备，最后回来给这些使用的服务端或客户端，完成一个接入的进程。

最中间也是 DataTester 最重要的一个功用层。能够划分为三大模块，一大模块是试验办理的相关的模块，包含试验管控、从试验的涉及到发布的全流程，还包含了试验的报告，试验报告里边也包含了十分丰富的分析功用，以及相关的试验的东西。这是 DataTester 最根底的一个部分。

第二块是智能发布（Feature Flag），DataTester 怎样去收效不同的战略，便捷地做试验的装备、收效和发布。第三块是场景化的使用，包含了一些智能化的使用，DataTester 其首要的功用层也是在这一块。

最后的数据层，DataTester 除了 SDK 的收集之外，还支撑数据集成的能力，包含但不限于有客户端的用户行为、服务端的埋点，以及一些事务的第三方数据。一起 DataTester 也会产出一个用户进组的信息，来把事务的数据和用户进组的数据链接在一起来，去核算习惯的目标。

现在，在外部客户的服务上，DataTester 已覆盖引荐、广告、查找、UI、产品功用等事务场景，供给从试验设计、试验创立、目标核算、核算分析到终究评价上线等贯穿整个试验生命周期的服务。来自得到、美的、凯叔讲故事 APP 等企业客户，现现已过火山引擎 DataTeser 开启了用数据驱动科学决议计划的路途。

点击跳转火山引擎A/B测验DataTester了解更多