编辑导语：在做产品功能或者需求时，时常会被人问到这个功能/需求能够带来多大的收益。但其实我们对于需求所能够带来的实际收益是不明确的。这时，AB test就能够协助我们衡量需求收益。本文主要对AB试验的大致逻辑和一些重要节点和概念进行介绍，希望对你有所帮助。

在产品做一个功能或需求时，听到最多的疑问就是：你这个功能/需求能带来的收益是什么？收益能有多大？那我们怎么去衡量一个需求带来的实际收益？这个时候，AB test就是协助我们衡量需求收益的好朋友。

一、AB test是什么？

专业术语说：AB测试的本质是分离式组间试验，也叫对照试验，在科研领域中已被广泛应用（它是药物测试的**标准）。自2000年谷歌工程师将这一方法应用在互联网产品以来，A/B测试在国外越来越普及，已逐渐成为互联网产品运营精细度的重要体现。

现实业务使用中，我认为AB test就是保证2组或多组根据条件限制划分的用户在只有1个变量条件情况下，对分组用户的各项数据指标进行汇总，对比指标变化涨幅来确定试验好坏，并且伴随数据分析去发现问题，解决问题的一个过程；

二、AB test的使用场景

产品UI变动时，AB一下新的UI是否会给用户带来更好的交互体验和视觉感受；

新增功能，想给产品增加一个新功能，AB一下新功能能带来多少收益，后期还值得公司投入多少资源去做这一块。

推荐系统中，首页推荐/搜索/推送业务都会用到AB test：推荐上用来对比一个策略、一个模型、甚至增加或减少一路召回、增加或减少一个特征、或强插一路新内容冷启动；搜索加一个推荐业务模型、上一个意图识别服务，建一个自定义纠错库；推送给用户推的频率、推的内容、推的时间等等，这些都需要AB试验去协助决策。

使用场景很多，以上只是我在工作实践中遇到的需要做AB试验的场景。凡是涉及到单一变量的数据对比，在用户进行维度打散的情况下，万物皆可AB。

三、AB test怎么用？