A/B 测试的“分流比例”和“A/B 分配比例”有什么区别？正确的设计思路

本文要点

• “分流比例” = 在全部访客中，有多少百分比会被纳入实验
• “A/B 分配比例” = 在被纳入实验的访客中，A 和 B 以怎样的比例展示
• 这两者是完全不同的概念。分开考虑，就能在控制风险的同时进行验证

在设置 A/B 测试时，会出现两个“比例”设置，容易让人混淆，那就是“分流比例（纳入实验的比例）”和“A/B 分配比例”。这两者的含义完全不同。只要分开理解，就能安全地推进验证。

“分流比例”是什么：让多少人参与实验

分流比例（纳入实验的比例）指的是在全部访客中，有多少百分比会被纳入实验对象。

• 设为 100%，则所有访客都会看到 A 或 B 中的一个版本。
• 设为 20%，则只有两成访客会被纳入实验对象，其余八成访客看到的是正常页面（保持原样）。

缩小分流比例的目的在于风险管理。对于效果难以预估的改动，一开始就投放给所有人是很冒险的。可以先只对一部分人进行测试，确认没有问题后再逐步扩大范围。

“A/B 分配比例”是什么：A 和 B 以怎样的比例展示

A/B 分配比例指的是在被纳入实验对象的访客中，A 和 B 以怎样的比例展示。

• 50% 对 50% 是最基本的设置。这样可以公平地进行比较，也能更快收集到所需数据。
• 如果对改动还不太放心，也可以让 A（原版本）占比更高、B（改动后版本）占比更低，谨慎地进行投放。

两者组合起来会怎样？

举例来说，“分流比例 20%、A/B 分配比例 50:50”会呈现如下结果。

访客	比例
未纳入实验（正常页面 = 保持原样）	80%
纳入实验且看到 A（Control）	10%
纳入实验且看到 B（Variant B）	10%

由此可见，重点在于可以独立决定“纳入多少人（分流比例）”和“对象内部如何展示（A/B 分配比例）”。

为什么分开考虑更好

如果把分流比例和 A/B 分配比例合并成一个设置，“控制风险”和“公平比较”这两个不同目的就会混在一起，导致设置变得难以理解。

将两者分开后，就可以做到：

• 用分流比例来调节风险大小，
• 用 A/B 分配比例来保持比较的公平性，

从而针对不同目的分别进行直观的设置。这也是主流 A/B 测试工具普遍采用的思路。

HeatMapX 的设计

在 HeatMapX 的 A/B 测试中，同样可以将“纳入实验的比例（分流比例）”与“A/B 分配比例”分开设置。可以先把分流比例调小以安全地进行测试，再根据效果逐步扩大范围。

总结

“分流比例”决定了让多少人参与实验，“A/B 分配比例”决定了在实验对象内部 A 和 B 如何展示。将这两者分开考虑，正是在控制风险的同时正确完成验证的关键。