A/B 測試的「流量分配比例」與「A/B 分配比例」有什麼不同？正確設計的思考方式

本文重點

• 「流量分配比例」＝所有訪客中，有多少百分比會被納入實驗
• 「A/B 分配比例」＝在納入實驗的訪客中，A 與 B 以什麼比例呈現
• 這兩者是不同的概念。分開思考，就能在控制風險的同時進行驗證

設定 A/B 測試時，會出現兩個「比例」設定，容易讓人混淆，那就是「流量分配比例（納入實驗的比例）」與「A/B 分配比例」。這兩者的意義完全不同。只要分開理解，就能安全地推進驗證。

什麼是「流量分配比例」：要讓多少人參與實驗

流量分配比例（納入實驗的比例）指的是，所有訪客中，有多少百分比會被納入實驗對象。

• 設為 100%，所有訪客都會看到 A 或 B 其中之一。
• 設為 20%，只有兩成訪客會被納入實驗對象，其餘八成則會看到平常的頁面（維持原樣）。

縮小流量分配比例的目的在於風險管理。對於效果難以預測的變更，一開始就展示給所有人會令人擔心。可以先讓一部分人試用，確認沒有問題後再逐步擴大範圍。

什麼是「A/B 分配比例」：A 與 B 要以什麼比例呈現

A/B 分配比例指的是，在被納入實驗對象的訪客中，A 與 B 要以什麼比例呈現。

• 基本上是 50% 對 50%。這樣既能公平比較，也能較快收集到所需資料。
• 若對變更內容感到不安，也可以讓 A（原版）比例較高、B（變更後版本）比例較低，以較謹慎的方式推出。

兩者組合起來會是什麼樣子？

舉例來說，「流量分配比例 20%、A/B 分配比例 50:50」的情況如下。

訪客	比例
未納入實驗（一般頁面＝維持原樣）	80%
納入實驗並看到 A（Control）	10%
納入實驗並看到 B（Variant B）	10%

如上所示，重點在於**「要讓多少人參與（流量分配比例）」與「參與者中如何呈現（A/B 分配比例）」可以獨立決定**。

為什麼分開設定比較好

如果把流量分配比例與 A/B 分配比例合併成一個設定，「控制風險」與「公平比較」這兩個不同目的就會混在一起，導致設定變得難以理解。

只要將兩者分開，就能做到：

• 用流量分配比例調整風險大小，
• 用A/B 分配比例維持比較的公平性，

依照各自的目的單純地進行設定。這也是主流 A/B 測試工具所採用的思考方式。

HeatMapX 的設計

在 HeatMapX 的 A/B 測試中，同樣可以將「納入實驗的比例（流量分配比例）」與「A/B 分配比例」分開設定。可以先將流量分配比例設得小一些，安全地進行測試，並根據實際成效逐步擴大範圍。

總結

「流量分配比例」決定要讓多少人參與實驗，「A/B 分配比例」則決定在參與者中 A 與 B 要如何呈現。將這兩者分開思考，正是在控制風險的同時正確驗證的訣竅。