公告：Facebook买播放量网站--Facebook买赞
从恶龙为王到精细化创业者，三代又三代的企业在这个变幻莫测的商业性世界中帕尔霍快速增长的瞬时与规律。大到国外的Google、Netflix、Amazon，国内的二进制跳动、BAT，小到十个人的创业者公司、一个人的商品思考，所有人都渴望卷起重重梦魇、截叶或者说的快速增长引擎。
在众多的快速增长方式中，A/B试验是不单是、代表统计数据驱动力理念的商品。为了进一步理清这一快速增长方式的原委、可行性科学研究与通则、或者说价值与常用误区，「深响」在充分的国内外Namakkal科学研究基础上，专访到多位一线峭腹，沉淀出当下市场对A/B试验、统计数据驱动力的主流理解与实际落地应用的情况。
那时为您奉上快速增长试验室系列第1篇，《详解Google、FB、Netflix、Amazon的通用快速增长宝物》。
©深响原创 · 作者｜王雪红
故事要从18世纪说起。
产业革命、人文主义，人类的底层逻辑被刷新，自然科学的科学研究方式与成果掀起层层浪潮，一些所苦多年的难题被解开。在欧洲，以航海为生命的塞尔特后代们继续着他们的远征，但不幸的是，长期远航的渔夫船长在恶劣的海上自然环境中多被脚气病所苦。
默默地是经济社会的飞速发展，对更多资源的渴求需求，默默地则是出海的勇士们被脚气病功败垂成，严重的时候超过半数船长再也无法回到启航时的港口。幸运的是，英国皇家海军医师约翰·Haveri发现了一种神奇的耐人寻味——菜谱中有肉桂的水果的船长患脚气病的机率更低，船长的保命药难道就是再一般不过的青柠（lime）吗？
质疑医师的人很多。他选择用一种在那时看来已经非常一般且广泛运用在网络的方式来断定自己的猜想——A/B试验。
他把患病的12名船长们分成五组，确保病现代人的基本食物一样，所处自然环境也完全相同，唯一的表达式是，给三组开出了不同的疗法：几组船长的饮食中重新加入青柠、几组重新加入柚子、几组加苹果、几组粘毛、几组加酏剂、几组加海水。结论显而易见，摄入柚子和青柠的三组很快就复发了。
这是一百多年前的脚气病试验，其采纳的A/B试验已经成为药理学应用领域最为常用的试验方式。而如今，A/B试验也已在药理学之外的应用领域开花结论，成为了包括矽谷在内，全球网络与商业性的方式科鞭——在多种因素都对试验结论有影响时，保证其他条件完全相同，来断定某一表达式对结论的确切影响。A/B试验以小成本快速纠错，用客观统计数据结论勒维冈县现代人的不合逻辑，让商品与生意最大限度地自然科学快速增长。
或许有人会问，这不就是简单的对照组试验吗？但千万别小看A/B试验，它不只是粗暴地分组比较，而是基于试验对象的精细测评，每一个维度的筛选、每一个差异刺激的设计，都需要严谨的依据和判断。在这个信息爆炸、场景碎片化的多样化时代，表达式无处不在，如何做好一个A/B试验，测之有因，测其所得，并不是件简单的事。
与此同时，商业性社会空前繁盛，竞争激烈到每一个罅隙的快速增长都必须争取，生意对失败的容错率非常低。而A/B试验便是那个自然科学分析、最大限度规避风险、敏捷快速增长的利器。
从1990年代后期开始，科技巨头就开始借助A/B试验来确定最优方案，并逐渐形成自己的试验平台和体系。那时，包括Google、Facebook、Amazon在内的大公司每年都进行数千到数万次试验，新三代在统计数据驱动力思维里成长起来的初创企业也见识到了A/B试验带来的快速增长魔力。
Google先驱
通常的流程是，确定目标、建立试验假设、设定指标评估影响、设计及开发试验方案、确定试验时长和分流方案等、采集和分析统计数据、最后进行评估得出结论。通过自然科学的试验设置，试验不仅可以对比出哪种方案更好，还能预测性地通过一些指标（比如用户的访问时间、留存度、下单率等），量化最优方案好多少。
Google是网络界A/B试验的先驱。
早在2000年，Google工程师就进行了他们的第一次A/B试验，用于确定搜索结论页面上展示多少条对用户最友好。这次尝试称不上成功。世纪之交，缓慢的网页加载速度未能允许试验达到预期。
但是Google成为了A/B试验的忠实拥护者，仅仅在2011年一年时间里，这家搜索巨头就进行了7000多次的试验。
当Google在Gmail邮箱里推出广告的时候，团队想知道：有没有一种理想的蓝色能够更吸引用户点击链接？为此，他们对41种蓝色——从蓝中带绿到绿中带蓝——进行了A/B试验。结论是，一种略带紫调的蓝色比其他蓝色更能促进点击率。这谁能猜到呢？而这个微小到用户也许根本注意不到的细节改变，却为公司带来了每年2亿美元的额外广告收入。
现在，Google每个月都会上线几百个大大小小的A/B试验。这些试验，每年直接给公司带来了超过10亿美元的增收。
这种提供决策依据的方式充分彰显了网络统计数据驱动力业务快速增长的理念。
很多时候，A/B试验被用来决定非常细微的功能变化。例如，是否在新标签页中打开搜索结论——虽然这一功能可以在设置中自定义或者通过快捷键实现，但是通过A/B试验，Google发现将切换按钮在搜索框下突出显示时，用户体验更好。
而现在许多用户已经习惯的暗黑模式其实也经历了几番试验。
Google试验突出显示在新标签页中打开
虽然乍一看优化的只是细枝末节，但是基于Google庞大的用户量，每个不起眼的改动能产生巨大的影响。
A/B试验贯穿了Google的商品目录和公司整体运行，有时候，试验会在更大的范围和更长的时间跨度里进行。比如对即时通信的解决方案，Google看上去非常犹豫不决，推出过Google Talk、Google Chat、Google+ Messenger、Huddle、Hangouts等。
Google希望通过试验内部的多个解决方案，找到优胜者，先一步赢得市场，而不是坐以待毙，等外部的竞争者找到开启快速增长的密钥再加以复制。
因此，对Google来说，A/B试验是不可或缺的。这是公司用来感知用户的最佳途径；做商品决策的自然科学思路；也是最大化广告效果，增加收入的策略。
值得注意的是，从自己摸索A/B试验方式，到形成行之有效的试验体系，Google还将A/B试验的能力开放给外部客户。
比如Google的Google Optimize，提供了易用的A/B试验工具，降低了开发者和广告主做试验的门槛，并可以关联Google Analytics进行统计数据分析。
一个被赋能的案例是，音乐流媒体Spotify在海外扩张时，想为不同区域的听众差异化着陆页，但这在研发上要耗费巨大成本。在德国市场，它使用Optimize为对听书功能（Audiobook）感兴趣的用户定制了一个着陆页。结论是，新页面相比原版本，付费用户率提升了24%。最终，Spotify在全球范围内应用了这一设计。
开放试验能力，这一方面是企业价值观的体现，Google致力于拓展良性的生态自然环境，让伙伴受益从而优化整个商业性自然环境；另一方面也说明A/B试验本身经过几十年的发展，已经逐渐成熟为一门独立的学问了。
风靡矽谷
矽谷没有秘密，A/B试验也不是Google的专属。在精细化创业者思想浪潮的席卷下，矽谷的诸多巨头都用上了A/B试验这一快速增长利器，并且将其传道。
流媒体巨头Netflix就是A/B试验的信奉者之一，并且乐此不疲地在自己的科技博客里分享其A/B试验实践中的方式和经验。
如果消费者在90秒内没有找到可观看的内容，他们就会离开。Netflix在博客里强调。为了在这短短的90秒内抓住用户，Netflix绞尽脑汁。其在UI布局设计、个性化主页、播映功能等等环节都会进行A/B试验，因为一个简单的标题或者图片改动就能让观看量得到20%-30%的快速增长。据「深响」了解，国内的一些视频网站也采取了类似的做法。
Netflix早期进行的经典试验之一是关于影片或剧集的展示图对点击率的影响。
《人小志气高》（The Short Game）是一部讲述小学生在高尔夫球场上竞技的影片。Netflix对不同用户组推送了不同的展示海报，并分析了几个关键指标，包括点击率、总播映时长、短时播映的比例、观看的内容比例等等，最终发现下图中间（Cell 2）的海报胜出了，试验用户组平均的点击率比默认组高14%。
这是一个信号——展示海报对用户行为可以产生影响。证实这个假设之后，Netflix继续进行更复杂、更多维度的试验去优化用户界面。
A/B试验是一个统计学与数学的试验，解构每一个元素，如何尽量撇除其他因素的影响，从一次次测验中归纳出关于用户行为的规律。
Netflix的技术人员在博客里写到，他们通过试验发现，具有强表现力的面孔比平静的更吸引用户眼球；更具辨识度或者两极化的人物形象表现通常更好；反派人物能得到较高点击率；封面包含三个及以上人的时候点击率又会下降......而这些试验结论也并非绝对的，不同地区的观众对图像的反应会产生差异，这要求颗粒度更细的试验和运营。
网络巨头们在A/B试验的普及进程中起到了标杆性的作用。而这种自然科学精神在大佬们的推动下已经渗透了整个网络。
在效率第一的矽谷，商品决策的流程化在加速，A/B试验是重要一环。用户们对App的新功能感到兴奋，但并不知道，在最终呈现之前，有多少版本在试验中落败。
为了更高效率地在移动端进行A/B试验，Facebook开发了Airlock试验框架，助力内部开发人员。
其实，A/B试验不仅有益于自身商品的优化，也可赋能生态内的客户，实现双赢，何乐而不为？我们看到，除了上文提到的Google，Amazon和Facebook也把一些A/B试验工具开放给商家和广告主。
比如Amazon，这家屡次登顶全球市值巅峰的公司就有多种适配的A/B试验工具，让商家去检验怎样的商品名称和展示页可以有效提升品牌度和销售量。
而Facebook作为广告营销的重要平台，也完善了适用于各个场景的A/B试验工具，让广告主和品牌来评估各项方案，实现投放效益最大化。
Amazon商家用试验工具可以便捷地创造不同的商品展示页
不止是巨头
A/B试验不只是网络巨头的杀手锏，它也是游戏、媒体、金融等行业的常客。在矽谷，无论公司大小都已意识到A/B试验对决策的重要性。
2013年，著名的互动软件娱乐公司艺电（Electronic Arts）上线《模拟城市5》之后两周就卖出了110万份。其中游戏50%的销售都来自于网上下载，傲人的成绩归功于一个近乎完美的A/B试验。
艺电为游戏销售页面设计了两个方案。一个版本是，促销的信息显示在预订的页面banner 上，让购买者一目了然；另一个方案是把促销信息删了。试验结论是没有促销信息的版本相较前者的转化率提升了43.4%。最终他们采用了这一方案，实现了上述销量。
这个A/B试验的结论甚至是有点反常识的，依据人的经验，折扣信息往往可以刺激消费者的购买欲，但是通过试验，显然这并不适用于《模拟城市5》的目标群体。
有促销信息的版本（上）与没有促销信息的版本（下）
媒体行业也常用A/B试验的方式对标题进行试验，来吸引网络时代越来越不耐心的读者们 。
《纽约时报》采取A/B试验，在其网站上为同一文章展示不同标题，在一些案例中，一个好标题可以提升成倍的阅读量。比如，《纽约时报》编辑写到，巴尔的摩的反省，弗雷迪·格雷周年祭（Soul-Searching in Baltimore, a Year After Freddie Gray’s Death）和弗雷迪·格雷死亡之后的巴尔的摩：‘心境已变’（Baltimore After Freddie Gray: The ‘Mind-Set Has Changed’）相比，后一标题的阅读量得到1677%的提升。
有意思的是，A/B试验还收获了政客们的青睐。
2008年，奥巴马团队竞选团队为募捐网站设计了4种按钮和6个不同的图像。对24种不同组合，团队进行了统计数据跟踪，最终下图右上角的界面获胜，注册率相比原始界面提高了40.6%。这40.6%的新增用户直接带来了额外的近6000万美元的捐款。
这次A/B试验的成功，促使竞选团队的统计数据分析总监丹·西罗克 （Dan Siroker）在2009年创立了Optimizely，一个A/B试验工具平台，帮助没有技术背景的用户试验不同版本的网站，优化体验。
右上角的界面是最后的优胜者
我们试图寻找美国商业性大亨们抵触A/B试验的案例，但抱歉的是，这种自然科学思路其实是西方社会普遍推崇的思维方式，你不需要跟他们解释太多，因为A/B试验根上的理念就是他们小时候天天学的逻辑、试验、critical thinking（辩证思维）。一位在矽谷工作的华人工程师告诉「深响」。
几百年来，A/B试验的核心原理始终未变。作为统计数据驱动力、自然科学精神的完美体现，更作为一种前置验证的手段，A/B试验帮助企业验证了策略收益，避免错误策略所带来的负面影响，其所带来的收益将远大于企业所付出的成本。
在这样的共识与汗牛充栋的成功案例下，A/B试验得到矽谷巨头们的拥趸，成为各行各业大大小小企业、商品的快速增长利器、工具标配。当然，暖风吹过西海岸，这把利器也正在大洋彼岸的中国发光发热，并且逐步展现出本地化的特色和新意。
参考资料：
Netflix科技博客 - Its All about Testing
纽约时报 - Which Headlines Attract Most Readers?
Optimizely 博客 - How Obama Raised $60 Million by Running a Simple Experiment
Google Optimize 官网
卫报 - Why Google has 200m reasons to put engineers over designers
