AB测试的原理很简单，只用到了最简单的统计假设检验，但表面的简单通常都隐藏着陷阱，这一点没有经过实践的摸爬滚打是不容易看到的，今天我就把前人已经踩过的坑，一共15个，给大家分享一下。在分享之前，大家脑中一定要有个概念，AB测试虽然简单且强大，但是其成立是有前提的：

A组和B组的用户一定是要“随机”分配。随机这个事很有学问，绝对的随机甚至根本不可能，实际中只能做到尽量接近真随机。换句话说，随机性并不总是成立，你要仔细小心它失效的场景。

在以你测试的时间点为中心的一定时间范围内，用户的行为是不变的。

只要牢记并时刻检查这两点假设，那么很多下面的陷阱你自然就能避免了。

1.不做AB测试

很显然，我们不能不做AB测试。不要企图用一些其他方法替代AB测试，比如：通过比较产品上线之前N天和之后N天的情况，对比分析去得出结论。这不也是AB对比吗？看起来没毛病，这种方法也不是完全没有用，但是很不稳定，所以不要用。

2.乱作AB测试

既然AB大法这么好用，那么我们全靠它不就行了吗？以后有任何功能任何改动都先搞个AB测试吧！AB测试并不是做的越多越好，我们可以通过下面简单的公式来看一下：

我们追求的是总的效果，除了注重数量更要注重质量。

3.采样污染

举个例子，如果你在节假日对你的产品做AB测试，那么测试阶段的用户群（样本）和平时的用户群自然会有很大的差异（回顾开头讲的第二条前提条件），这样很难得出你想要的测试结果。AB测试无法在全体样本上进行实验，所以必须采样，采样要保证随机性且能代表总体样本的分布，做实验的时候就要特别注意避免一些可能导致采样污染的特殊因素。

4.时间范围不够

除了要避免在一些特殊时间进行测试，测试的时间还要足够长，理由如下：

时间长有助于收集更多的数据，保证统计显著性

如果新的特征改变比较明显，老用户可能会不适应，那么你需要给老用户一定的时间去适应你的改变，然后收集的数据才更有统计意义。(参考开头提到的第二条准则）

5.只关注平均值

如果测试结果显示新版本比旧版本平均多吸引了30%的用户，那么是否就证明万事大吉，可以开开心心上线了呢？还不行。这个时候还要对更细粒度的数据做一些分析，保证你看到的“好结果”是真的。举个极端点例子，万一是系统Bug导致新版本多统计出了更多的用户呢？我们相信，在AB实验结束并且展现了良好的结果时，你已经基本接近成功了，但是永远不要在分析更详细用户数据之前下结论。

6.忽视技术实现

有些看不见的东西一样会影响用户，AB测试阶段除了产品特性的不同，技术细节也会改变，这些会不会影响到实验结果？如果新版本加载更多的css资源，会不会导致页面加载变慢？这些看不见的细节也会影响用户体验，给实验结果带来干扰。

7.不去思考为什么

AB测试不会一直成功，甚至失败的次数可能更多，但是如果实验结束之后不去思考为什么，那才是彻底的失败。实际上AB测试失败的时候，才是我们从中学习并真正了解用户的时候，千万不要放弃这样的机会，要多问些为什么。

“想要提高成功率，先提高失败率。”

8.用错误的度量标准

举个例子，如果你优化的是网站首页的性能，那么就不要拿全站的统计结果去做度量标准。度量标准要选好，不要想当然。

9.做一系列的测试

如果新版本有10个细节上的改动，那么是不是我们要做10个AB测试来分别测试他们的效果呢？当然不行，千万不要这么做。产品的改动效果绝对不是线性相加的，不同的特征之间要一起组合才能生效，就好比把背景变黑之后一定要把字体变白才行。

10.实验设置有噪声

还有很多我们无法预料的因素可能会影响到实验结果，那么怎么办呢？我们不止要做AB测试，还要做AA测试，用AA测试来保证实验设置本身没有噪声干扰，这个也很重要。于是在实际中你要把1/3的用户分配给B组，1/3的用户分配给第一个A组，1/3的用户分配给第二个A组。

11.忽略环境的改变

不管你的AB测试是成功了还是失败了，在一定时间之后你都要重新审视它，因为环境变了。昨天失败的AB测试，很可能是你的理念超前了，也许过了一年用户就可以接受了呢？一次失败不代表用永远失败，反之亦然。

12.交叉访问污染

当线上同时存在两个版本的时候，你一定要考虑到单个用户的体验。如果一个用户在不同浏览器、不同设备上访问到了不同的版本，那么可能会带来用户体验的下降，同时对收集的数据造成干扰。比如，如果AB版本之间的差异过于明显，那么老顾客可能就会很讨厌那个新版本，而在新版本上表现出消极的行为，同时在老版本上表现积极的行为，而我们无法从统计结果中对这种偏差就行纠正。所以保证单个用户体验的一致性就很重要。

13.漏斗污染（Funnel pollution）

不确定这个翻译准确不准确，就直接按英文直译了。如果你是一个电商网站，那么你最终的目标是要用户下单付款，你的优化目标应该是针对整个下单的全流程，并且以最终下单的数量作为度量标准。假如你在首页做了某些活度，让点击产品页面的用户大幅度提升，有些统计数据看起来会很漂亮，但是对最终的结果可能没有任何帮助。这个也要注意。

14.同时运行多个AB测试

线上同时存在多个版本的话，实在是有点复杂，一般情况下不会这么干，但仍要警惕。

15.使用错误的经验

AB实验毕竟是一项科学实验，所以我们要用数据说话，不能想当然。不要乱用一些道听途说的经验，比如：“1000个用户样本就够了”，实际上收集多少用户的数据是要严格计算的。上一篇文章我们分享过类似的工具。再比如，不要以为在桌面端测试通过的方案，就可以放心在手机端同时上线了，实际上不同平台的差异非常大，必须单独进行AB测试。

总之，要记住开头提到的AB测试成立的两个前提，要时刻检验它们是否成立：

A组和B组的用户一定是要“随机”分配。

在以你测试的时间点为中心的一定时间范围内，用户的行为是不变的。