阅读 132

关于“放量”

所谓放量其实就是A/B测试,不过在我们组内部喜欢叫“放量”。关于放量其实有很多种规则:时间、地区、用户区间、随机放量等。

为什么要放量

放量只有在大流量的C端项目中才有这个需求,流量小的产品或者公司内部使用的管理系统通常不需要做放量。

这里衍生出一个问题“为什么大流量C端项目需要做放量?”。

以某门户网站为例,假设去年日均PV是二个亿,一年的总收入是30亿人民币。

那么可以推算出,如果不做任何改动的情况下,今年的收入和去年比不会有太多的波动;但是部门给规定的目标通常要高于去年的收入,所以产品需要做一些事情来增加收入。

某门户网站简笔画
图1 - 某门户网站简笔画

经过一系列调研与讨论,最终决定把图中红圈的位置做一个改动,希望这个位置可以得到更好的商业化效果,提升一些收入。

但我们并不知道这个改动的结果是正面的还是负面的,如果这个改动上线之后导致了负面效果(用户很讨厌这个改动,疯狂骂我们),不但没增加收入反而降低了收入,这个后果是非常严重的。

所以我们通常会做一件事就是“放量”,先小规模放10%的量看看效果如何。

这里的放量通常又根据不同的情况分好几种:

  1. 按用户区间放量(这是我们最常用的放量方案)。
  2. 按地域放量(例如某些功能只放量给北京地区的用户)。
  3. 按时间放量(双十一期间页面会做一些开屏动画之类的活动效果,一般都是提前开发好,在指定的时间段内放全量)。

地域放量与时间放量很容易理解,这里主要解释下什么是按用户区间放量。

放量10%的用户
图2 - 放量10%的用户

假设我们的产品总共有10亿个用户,放量10%,那么我们可以选择一个区间,是放给0~1亿这个区间的用户还是放给1亿~2亿这个区间,这个就是用户区间

当然,这个名字是我随便起的,只是为了朗朗上口。

这里你可能会有一个疑问,为什么要按照用户区间放10%的量,直接随机放10%的量不行么?

答案是“也可以”,但随机放量无法满足下列需求。

我们还是举个例子,假设图1的红圈位置经过一系列讨论,现在有两个升级方案,但不确定哪个效果好,最终决定将这两个版本都开发出来,然后对比下哪个效果好就使用哪个版本。

这时候随机放量就无法满足需求了,但是按用户区间放量可以满足需求。

方案1与方案2同时放量
图3 - 方案1与方案2同时放量

我们可以将方案一放量给0~1亿这个区间的用户,把方案二投放给1亿~2亿区间的用户。

如何放量

任何产品都会为用户分配一个ID,假设为用户分配的ID是一个散列值MD5,那么当用户访问我们的产品时,我们就可以根据用户的ID来分辨该用户会命中哪个版本(版本一?版本二?或者是未命中?)。

具体实现方案是,取用户ID的后三位(当然,后两位也行),然后用这个数除以三位的最大值,得到一个百分比。举个例子:

假设我的用户ID为4b3ab369fa40ca4faae404b2f8332b65,这是一个MD5值,我们取出后三位b65,三位16进制的最大数转换成10进制为16^3 = 4096,所以我们将b65转换成10进制后在除以4096,最终得出的数字为:(b65 = 2917) / 4096 = 0.71

上述例子将“方案一”投放给0~1亿这个区间的人,将“方案二”投放给1亿~2亿这个区间的人,很显然,当我访问页面时,红圈位置会发现我的数值是0.71,不在0~0.1这个区间,也不在0.1~0.2这个区间,所以我没有命中这一次的小规模放量测试,我的页面上该位置显示的是现有的稳定版。

这样实现的好处是:

  1. 可以通过简单且轻量的计算快速获得用户的所属区间。
  2. 不需要知道总用户数就可以进行准确的放量。

总结

相同的放量策略和实现方式可以放到服务端,也可以放到客户端;具体如何放量需要“具体情况,具体分析”。

关注下面的标签,发现更多相似文章
评论