各位日本国捣|日本国驻广州总领事馆|日本国驻沈阳总领事馆访客： 2016新的一年我们会继续努力维护网站，为大家提供更好的影视服务日本国捣....
基里尔·拉夫罗夫/帕维尔·卡道奇尼科夫/Ivan Bortnik/Aleksandr Demyanenko
Qian Wun/张九妹/王文升/Chongliang Sun
奧古斯特·迪赫/赫伯特·奈普/Agnieszka Likszo/Dinah Münchow
迈克尔·雷德格瑞夫
大木民夫/竹中直人/榊原良子/大冢明夫
Dieter Moor
1./130691次播放
2./97031次播放
3./11672次播放
4./29710次播放
5./24037次播放
6./78971次播放
7./5265次播放
8./122400次播放
9./77873次播放
10./5993次播放
11./115970次播放
12./75135次播放
Mary Bringle
约翰尼·哈里戴/让·雷谢夫/Michel Laforest/Alain Guellaff
Nancy Walls/David Herman/迈克·乔吉/琳达·卡德里尼
Joe Cahill/Brendan Cauldwell/Emmet Bergin/Tom Hickey
Sonia Lázaro/Iván Martín/Fernando Ustarroz/Óscar Villalobos
1./118183次播放
2./51303次播放
3./13686次播放
4./90472次播放
5./115114次播放
6./123802次播放
7./30835次播放
8./112291次播放
9./39109次播放
10./40028次播放
11./77788次播放
12./37539次播放
布耐恩·凯斯/阿方索·阿雷奥/米切尔·凯瑞/Rick Lenz
文章/陶飞霏/许新宇/朱杰
梅森·甘布/加里·西尼斯/菲利浦·贝克·霍尔/迪伦·贝克
Frank Farhat/Rebecca Minton/Matt Shorr/Karl Gustav Lindstrom
付冰/张宏/易莉/韩三明
1./45980次播放
2./131292次播放
3./126693次播放
4./119286次播放
5./35108次播放
6./85439次播放
7./26984次播放
8./72553次播放
9./49918次播放
10./131850次播放
11./45209次播放
12./120135次播放
Dmitri Kharatyan/Sergei Zhigunov/Mikhail Mamayev/柳德米拉·古尔琴柯
Bud Flanagan/Chesney Allen/Jimmy Nervo/Teddy Knox
崔戊龙/Hae-jeong Kim/金胜镐/申永均
Jamie Croft/Alex McKenna/Rebecca Gibney/Harold Hopkins
高飞/徐曼华/Hugo Ng
黄晋琨/谷倖仪/吴恩旋/李之浩
1./103910次播放
2./85139次播放
3./128378次播放
4./123901次播放
5./123959次播放
6./132987次播放
7./29837次播放
8./133205次播放
9./293次播放
10./93067次播放
11./36525次播放
12./29303次播放
黄耐霜/章志直/贺志刚/洪警铃
中村大树/Toshiharu Sakurai/Hiroyuki Shibamoto/Hidenari Ugaki
厄文·克什纳/朱丽亚·斯维尼/Richard Dawkins/奥森·斯科特·卡德
Kamel Boutros/Harry Chase/林恩·科恩/Traci Hovel
理查德·贝斯哈特/斯科特·布兰迪/Roy Roberts/Whit Bissell
Sammy Glickman/Etan Heller/Yoni Kaplan/Erica Rabner
1./132835次播放
2./13488次播放
3./56653次播放
4./105477次播放
5./8853次播放
6./30561次播放
7./84365次播放
8./28709次播放
9./131013次播放
10./86516次播放
11./24272次播放
12./53930次播放
崔戊龙/南宫远/尹静姬
刘·艾尔斯/June Knight/爱丽斯·怀特/Alan Dinehart
Park Overall/克尔斯滕·邓斯特/David Andrews/Margot Demeter
Philippe Léotard/芬尼·科腾肯/Inês de Medeiros/Alexandre de Sousa
1./89493次播放
2./60018次播放
3./41324次播放
4./77816次播放
5./92111次播放
6./42494次播放
7./61881次播放
8./29503次播放
9./51477次播放
10./33451次播放
11./95575次播放
12./15154次播放
尼可莱·侯麦利基作品
Skazkaprotemnotu{$tkey}影片讲述了一个名叫安吉丽娜的女{$tkey} ……
Yuri Safarov/Boris Kamorzin
加布里尔·穆奇诺作品
一个穷途潦倒的单亲爸爸，因事业失败无家可归，却还得担起抚养儿子的重担。为了儿子的未来，他重 ……
威尔·史密斯/贾登·史密斯/桑迪·牛顿/布莱恩·豪威
Carlos Velat/Alfred Lucchetti/Manuel Gas/Nadala Batiste
Etha Coster/Hans Hoekman/Scarlett Lubowski/Liesbeth Struppert
萨拉·乔克/达夫·弗雷/艾米丽·阿琳·林德/克里斯·帕内尔
伊东美咲/谷原章介/清水优哉/坂井真纪
Dino Morea/Milind Soman/Sheetal Menon/Simone Singh
52778次点播125723次点播56478次点播
51621次点播97802次点播18110次点播
128128次点播45433次点播122384次点播
267次点播28916次点播130349次点播
奥利·萨雷拉作品
Harjunp&#228{$tkey};äjapah{$tkey}anpappi ……
Peter Franzén/伊丽娜·别尔克伦德/Jenni Banerjee/韦勒·维坦恩
Fabrizio Conte作品
杰西卡·斯佐尔/杰瑞·费拉拉/罗伯特·戴维/Jay R. Ferguson
张绳武/洪警铃/丁元一/包桂荣
格雷戈里·柯索/Jan Kerouac/Herbert Huncke/Fran Landesman
John Baker/Frank Parker/Dan Madsen/Daren Dochterman
秀兰·邓波儿/兰道夫·斯科特/玛格丽特·洛克伍德/Martin Good Rider
费斯·阿尔/Nazan Kesal/Erol Babaoglu/Nihat Alptekin
Hampton Fancher作品
欧文·威尔逊/雪儿·克劳/德怀特·尤科姆/丹尼斯·海斯伯特
弗朗索瓦·特吕弗作品
L'AmourenFuite{$tkey}30岁的安托万·多尼尔又成功地改换了他的职业，在 ……
玛丽-弗朗丝·皮西尔/让-皮埃尔·利奥德/Christian Lentretien/Roland Thénot
Graciela Borges/Julio De Grazia/Marta Ecco/Mario Fortuna
蒂姆·罗宾斯/保罗·纽曼/詹妮弗·杰森·李/查尔斯·德恩
Darrick Akey/Pietro Arpesella/Jeremy Batiste/Giovanni Bejarano
金英浩/朴诗恩/李世昌/池秀媛
朱莉·本茨/安加斯·T·琼斯/Christopher Showerman/托马斯·哈登·丘奇
李万林/田桂英/刘慧生
马修·亚贝哈德作品
{$tkey}MysteryoftheFlamingos{$tkey}{$tkey}{$t ……
扎布·布雷特曼
大泽隆夫/绫濑遥/中谷美纪/内野圣阳
Kim S. Falck-Jørgensen/克纳特·乔内尔/克里斯托弗·琼勒/Julia Schacht
Mamadou Diallo/Katerina Iliadi/Nikos Christofidis/Iraklis Nousas
罗温·艾金森/吉姆·布劳德本特/麦肯锡·克鲁克/尼克·弗罗斯特
刘永植作品
Anarchists{$tkey}在1924年的上海，Ser-gei、Ge-{$tkey} ……
张东健/郑俊浩/金相中/李凡秀
苏妍心/米学东/牛犇/吴云芳
Sara Corrales/Brenda Hanst/Connor McShannon/César Mora
马沙/杨惠姗/王莫愁/李小飞
Anton Priwalow/Maxim Roganow/Alexandra Ilienko/Swetlana Malischewa
明星合集专题
目前暂停交换友情链接,没提前通知而删除了部分降权链接，见谅!各位日本国捣/日本国的由来/日本国驻华大使馆官网访客： 2016新的一年我们会继续努力维护网站，为大家提供更好的影视服务日本国捣....
罗伯特·肖/萨莉·凯勒曼/玛丽·乌尔/桑德拉·洛克
山口贤贵/上鹤彻/西井幸人/三津谷亮
迈克尔·克劳福德/伊丽莎白·莫斯/罗伯特·大卫·豪尔/本·沃伦
Dian Sastrowardoyo/尼古拉斯·沙普泰拉/唐尼·阿兰西亚/Ario Bayu
Mitch Kalamian/卡洛尔·伯纳特/达布尼·柯尔曼/Gregory Harrison
布拉德·加内特/Rob Paulsen/Brian Cummings/Rick Dees
1./64163次播放
2./80022次播放
3./6619次播放
4./22615次播放
5./922次播放
6./39264次播放
7./118766次播放
8./14851次播放
9./80482次播放
10./21532次播放
11./4815次播放
12./47062次播放
石原里美/阵内智则/嘉数由美/Taeko Kawada
生濑胜久/西岛秀俊/香川照之/真木阳子
小坂一也/葵京子/高桥丰子/平尾昌晃
雅克·甘布林/德尼·波达利德斯/Aurélia Petit/玛丽·吉莲
莱达·达赫/Danielle Pessis/Veronica Allen/Gary Imhoff
Nicholas Crane/Neil Oliver/Mark Horton/Miranda Krestovnikoff
1./10722次播放
2./112166次播放
3./63723次播放
4./17589次播放
5./70712次播放
6./75564次播放
7./133967次播放
8./107240次播放
9./122507次播放
10./57821次播放
11./109758次播放
12./77868次播放
Michael Bulmer/Pierre Richard/Angela Bo/Henri Guégan
二宫和也/松山健一/吉高由里子/本乡奏多
南红/王伟/龙刚/周骢
哈迪·克鲁格/斯坦利·贝克/米谢琳·普雷斯勒/John Van Eyssen
彼得·伯耶尔/Dennis Patrick/Audrey Caire/苏珊·萨兰登
1./85140次播放
2./103055次播放
3./98958次播放
4./79018次播放
5./49363次播放
6./17445次播放
7./38245次播放
8./124048次播放
9./30469次播放
10./15454次播放
11./74658次播放
12./43515次播放
詹姆斯·罗伯逊·贾斯蒂/查尔斯·豪特瑞/Robin Hawdon/Anna Gaël
小川辉晃/Satomi Hirose/土田大/Shun Kawai
Al Matyasovsky/Cassie Niebel/Paul Ruskin/Brian Heaton
李小萌/郑凡/宋祖德/黄秋生
因佩里奥·阿亨蒂娜/卡洛斯·加德尔/Vicente Padula/Jaime Devesa
1./128554次播放
2./84188次播放
3./92119次播放
4./65429次播放
5./106978次播放
6./9654次播放
7./123363次播放
8./42229次播放
9./100808次播放
10./12878次播放
11./130468次播放
12./41609次播放
Omid Abdollahi/Hedayat Hashemi
马西娅·盖伊·哈登/邦妮·萨摩维莉/Lindsey McKeon/艾米丽·阿琳·林德
凌汉/潘冰嫦/刘慧茹/卢慧芝
托马斯·梅甘/Bull Montana/Robert McKim/Hank Mann
让-吕克·戈达尔
张国民/张艳秋/戴克/冯福生
1./41401次播放
2./55444次播放
3./114448次播放
4./41560次播放
5./100696次播放
6./34750次播放
7./132687次播放
8./42996次播放
9./101701次播放
10./10636次播放
11./40679次播放
12./106973次播放
伊丽莎白·泰勒/理查德·伯顿/乔治·席格/桑迪·丹尼斯
Melvin James/Natasha Majors/Yancy Mendia/Mike Francis
Dorota Segda/Danuta Szaflarska/Agnieszka Czekanska/斯坦尼斯拉娃·塞林斯卡
张坚庭/郭富城/邱淑贞/陈国新
米娅·科施娜/多米尼克·斯万/斯科特·贝尔斯托/奥利弗·赫斯顿
崔江姬/朱元/黄灿盛/安乃尚
1./38576次播放
2./64577次播放
3./98287次播放
4./90390次播放
5./107971次播放
6./62135次播放
7./116631次播放
8./88342次播放
9./36452次播放
10./129723次播放
11./72803次播放
12./118525次播放
Yevgeni Gerasimov作品
Aleksandr Baluyev/Armen Dzhigarkhanyan/Sergei Zhigunov/Svetlana Amanova
鲁晓威作品
总剧情一个无法无天的郡主，一个机灵刁钻的丫环，在一本写给别人的情诗的指引下，走入滚滚的红尘 ……
曹颖/周杰/刘苏/薛佳凝
凯文·詹姆斯/莱妮·罗德里格兹/埃杜瓦多·维拉斯蒂吉/丹妮拉·阿隆索
玛雅·摩根斯坦特/Alpár Fogarasi/Szabolcs Gergely/Lajos Kovács
梅·扎特林/阿尔夫·切森/英格玛·伯格曼/甘纳尔·布耶恩施特兰德
让-查理斯通·博夫特/Jean-Louis Rolland/Véronique Silver/Christian Rist
61248次点播105095次点播120389次点播
82596次点播128297次点播78140次点播
42224次点播116463次点播66490次点播
50664次点播74129次点播41311次点播
Ray Wilkes作品
Mercy Gaiger/乔治·纽顿/Samira Mohamed Ali/Miles Rodziewicz
斯图尔特·格兰德作品
Creature{$tkey}{$tkey}神秘小岛，{$tkey}异形乍现吓破胆。半人半 ……
Juliana Prospere/Rick Ravanello/Elvira Regis/Steve Makaj
丽塔·海华斯/泰隆·鲍华/琳达·达内尔/艾拉·娜兹莫娃
György Cserhalmi/罗伯特·柯莱塔/Ludovít Gresso/Mari Kiss
Bette Arlen/Suzanne Alexander/Susan Morrow/Judy Walsh
Nathalie Chalifour/Francis Reddy/Xavier Norman Petermann/Michel Gauthier
埃德加·洪内史雷格作品
BeijingHoliday{$tkey}{$tkey}奥地利人洪内史雷戈（EdgarHo ……
Madame Chiang/埃德加·洪内史雷格
BeautyRemains{$tkey}{$tkey}同父异母的两姐妹因为上一辈无可违拗的 ……
周迅/邬君梅/王志文/杨立新
中国/美国/中国香港
蒋君超/汤天绣/谈瑛
丹尼·格洛弗/吉娜·格申/Haluk Bilginer/Mahsun Kirmizigül
罗莎琳达·塞隆坦/Luca Ward
吕奇/文兰/梁醒波/张清
金亨周作品
The{$tkey}ESPCo{$tkey}uple{$tkey}拥有特异功能的男人VS天 ……
秦久/朴宝英/李尚洪
鲁伯特·格林特/肖恩·宾/查里斯·丹斯/斯蒂芬·格拉汉姆
Jen Dance/Shaun Paul Costello/Chelsey Garner/Matthew Nadu
米基·马诺洛维克/卡罗·柳别克/赫里斯托·穆塔奇夫/安娜·帕帕朵普露
安吉拉·贝蒂斯/Kevin Ford/Belinda Becker/Tariq Trotter
Jack Bernardi/Ted Gehring/Marcia McBroom/Marilyn Coleman
水谷丰/及川光博
Stuart Hynson Culpepper作品
Gregory Zaragoza/Liezl Carstens/Angelique Midthunder/Neil Summer
Fergal Keane
Zakaria Atifi/Reda Benouatir/Nezha Rahile
Mark Courneyea/Steve Duncan/Anne-Marie Frigon/Brett Kelly
袁雪芬/范瑞娟/徐天红/张桂凤
Onofre Lovero/Domingo Mania/Nora Massi/Roberto Bordoni
明星合集专题
目前暂停交换友情链接,没提前通知而删除了部分降权链接，见谅!为什么国内网站很少做 A/B 测试？
为什么这件很靠谱的事，在国内没有大范围的应用，往往被当做谈资呢？是说网站的a/b测试，不是apache那个哈...
按投票排序
谢邀 :)事实上据我所知，还是有不少公司在做 A/B test 的（当然，可能每个人对“多、少”的心理定位不一样）。但是不得不承认，依然有非常多的公司不做，或者做了没效果，或者曾经做过但之后取消了，或者正在边做边疑惑着……谨此将我的所见所闻略做梳理。A/B test 之所以没铺开，从面儿上来讲有这几个原因：a、很可能不知道怎么做b、做了却无法正确评估c、评了又未必能好好利用d、用了不一定能收到效果然后再往里翻翻， 我们会发现这些常见迷局：一、产品（或流程、模块、功能等）设计思想壁垒二、（数据）分析壁垒三、技术壁垒四、“落地”的层层障碍p.s. 由于题主原题是“为什么国内网站很少做a/b测试”，所以这里只分析此现象的成因，不讨论 A/B test 到底应该怎么做。于是，以下内容皆为口水，嫌罗嗦的话，请直接略过便好:)==== ==== ==== ==== 为大口水割一下吧 ==== ==== ==== ====详述：一、测试设计（产品、流程、模块或功能等）思路壁垒1.1、A/B test 是个神马玩意儿？　　A/B test 一般是由产品、运营部门发起或主导的，但恕我直言，至少在我接触到的案例中，有相当比例的相关人员，并不十分清楚这两个问题：“为什么要做 A/B test？”“A/B test 能带来什么，在什么情况下需要做？”而基于众所周知的逻辑关系，如果动手前连自己将要做的这是件啥样的事儿都不知道，能成功、能做好的概率又能有多大呢？1.2、OK，我知道这是啥了。谁能告诉我怎么做，A 跟 B 之间到底差多少？　　我这儿有个真实案例，某童鞋做了很久的 A/B test，一直没得出有意义的东西来，然后我们顺头一捊，居然发现这孩子设置的 A、B 版页面分别是……你们猜？是网站首页跟某频道分类页。　　再恕我直言，有相当多的执行者心里没有这张谱：A/B test 的两个页面，到底应该差多少？我是拿新、旧版页面直接当 A、B，还是在原有的 A 页面基础上修改某一个小模块来成为 B？什么是多变量测试？1.3、会不会对我的XXX（SEO、流程、用户体验……）造成影响，影响有多大？　　对业务或相关用户的影响，一般来说或多或少是会有的，尤其当采用了不适当的跳转方式（技术相关的话题下面再议）时，极有可能对搜索引擎（或用户）带来负面影响。　　而到底影响有多大这个问题，我想偷换概念聊一下ROI。A/B test 的最终目的是什么？以某些看似公开公平公正的测试来评估或确定将被执行的方案。成本主要有：开发成本、测试周期（时间成本）、对用户可能存在的伤害；收益主要有：方案/决策的确立、减免反复试错成本、降低内耗成本（可能）、对转化或收益预期的非拍脑袋参考。A/B test 绝非神物，个人认为其最常见的作用是避免团队陷入集体选择性障碍。做不做？可以参考以上 ROI。二、（数据）分析壁垒2.1、两个（或更多）版本的数据怎么收集/整理？　　单单区分不同版本页面本身的数据非常简单，但如何对最终达成的转化根据不同入口及流经页面进行归因，进而分析相关参测版本页面（或元素）的表现，这就是一件扰人的事儿。而不同的归因方式甚至可能牵扯到几个部门的利益：投放渠道评价、入口资源的争夺，甚至跟某些KPI遥相呼应。那这个标准谁定，怎么定，本身就是一场战争。2.2、数字（或比例）越大，就一定说明表现越好吗？　　看 A/B test 反馈数据的人，并不全是专职的数据分析师，甚至包括一小部分经验略浅的数据分析师，都非常容易想当然地跳进这个误区。上面我说过，A/B test 绝非神物，但更可怕的是它被误读、被曲解，再被神化。非常遗憾的是，基于各种需要、背景或局限，这样的例子多如恒河沙数。2.3、访问（者）为什么没有均分，那数据是不是不准（不能用）了？　　样本量、分配规则、数据监测或萃取方式（条件）……很多时候，由于各种各样的原因，我们会发现真实数据并不如预期般在各版本中均摊。“几个版本数据差距好大啊，怎么办，能信吗？” 如何校准，是否需要排错，有没有相应的调整策略，数据的信效度衡量……这些也并不是所有拿到报表的人都能 Hold 住的。三、技术壁垒3.1、开什么玩笑，我们也不是小公司，会存在技术问题？　　抱歉，我并没有任何玩笑或者不敬的意思，事实上不论公司的规模或真实技术实力如何，会中这一枪的并非只有菜鸟。任何公司的资源都是有限的，任何一份投入都会耗费相应的成本，虽然架构 A/B test 所需的技术事实上相当简单，但真正能扑上去用心做好的公司，都可谓英雄。流量分配规则、跳转/切换方式（各种跳转 URL 的方式，或同一 URL 下动态切换模块）、是否记录（如 Cookie）单个用户首次显示状态……这些都会影响到测试效果及最终得到的结果。　　在这里我想举个栗子，Google Analytics 从很早之前就提供了现成的 A/B test 工具，只需在原始版页面顶部嵌入一段现成提供的代码，并在这个工具中设定 A、B 版页面路径，即可完成设置开始测试。但如此便利的东西，无法正确操作的公司依然比比皆是。实施的人不懂技术，技术嫌麻烦或担心对服务器有影响或对安全有隐患或不屑于吃别人嚼过的馍，事情又已经摊下来了，等排期要一个月，怎么办？要不硬着头皮先自己捣鼓个？对了错了天知道，反正先交差吧！3.2、数据收集技术　　忽然发现我这个答案真是得罪一批又一批啊……哇咧个喵哈哈哈。这不，又说到这个一梭子扫倒一大片的了。现成的第三方工具不好用或者不会用或者总感觉数据被别人掌握了心里横竖就是不爽，自己开发又费时费力还不得要领。现在某些公司（尤其是某些背靠或依附国字头、垄断者的）出于数据机密性，而不得不自己开发数据分析平台，但……好吧为了略微少得罪几个人，我还是阉了吧。　　其实就整个数据分析链条来说，“数据收集”相对应该算是最基本、最先锋的环节。（线上）常见的数据来源主要就这么几种：Page Tagging / Server Log / Third Party，每种来源，或者说每种收集方法，均有其利弊，以目前人类的技术来说都达不到真正的“精准”。如何部署，如何取长补短采阳补阴，如何跨平台甚至跨线上线下，不同监测平台如何统一接口削校数据……3.3、数据清洗（细分、过滤、归因、算法……）技术　　到数据清洗这儿，已经没什么可深聊的了。举个栗子吧：了解WA工具的朋友可以自行比对一下国内、外较成名的几款工具，在数据细分系统上的悬殊差距便知。四、“落地”的层层障碍　　任何数据、任何策划只有落到执行上，才可能有意义。4.1、信　　a、相信——to 'B' or not to 'B', it's a single answer　　b、威信——合作 & 内耗　　c、迷信——有时我们需要信仰，而信仰往往需要一件迷信的外衣。扒与不扒，您看着办4.2、省　　a、自省——挤痘痘会痛，有时还会很痛，敢于直面疤痕的痘主儿都是英雄　　b、省悟——读书百遍，其义自现；有则改之，无则加勉4.3、行　　a、action　　b、持续永动——是的，这不是物理题，但你确实需要捣鼓一台永动机4.4、辛　　a、抉择——割肉是痛的，尤其是割掉一块看起来如此之好的肉　　b、实施——攻城狮们最了解　　c、秋处——胡萝卜与棒子
用A/B Test驱动产品开发就和敏捷开发当中的TDD(测试驱动开发)一样，看着是很好的，但门槛是很高的，要求整个团队从管理，协作，设计，开发和运营各个流程全部紧密协作，磨合良好，如果团队的素质达不到很高的水平，就根本执行不下去。
其实有很多公司或者网站都默默地在做，只是用户很少发现而已，而且A/B测试的一般原则是对同一个用户（一般控制cookie）展现同一版本，所以一般情况下不易发现，尤其是细节的测试，如果产品开发快速迭代的话，可能一个测试很快就完成下线了。
惯例先安利：做A/B测试最难的其实是工具与效率问题，我们正为此而努力。这个讲的已经很好了，全文引用，侵删本文转载自：微信公众号：前端早读课在互联网行业里面工作，能给我带来的一个乐趣就是“快”。天下武功，唯快不破。我们可以轻易地做到一天三次以上的产品更新速度，这是和许多传统行业的区别之一。如何利用好这个优势，在我眼里成为了产品发展的关键所在。什么是A/B测试？在快速上线的过程中，A/B测试是一个帮助我们快速试错的一种实验的方法。在统计学上，其实是Hypothesis Testing（假设测试）的一种形式。它能够帮我们了解我们对产品的改动，例如一个新的功能，是否能够吸引更多用户、让用户更加喜欢、产生更大的效益等。A/B测试方法的基本概括就是，将用户分为两组，一组使用旧产品（或旧功能），一组使用新的。然后对比两个用户组，通过数据来分析，新的功能究竟是好是坏。没错，就跟小学的时候做的那些有控制组、实验组的自然科学实验一样一样的。A/B测试的具体实施方式有很多种。桌面应用、网站、手机应用都有一些不同的A/B测试方法。本文中以网站的A/B测试为例来介绍。我们以天猫的购物车为例，现在的天猫购物车中，结算按钮是在最下方的。这里我浏览器窗口的高度弄得比较小，所以看起来结算按钮和物品之间距离很近，但是实际上他们之间是有很大的距离的。现在我就可以提出一个想法，让我们试着把结算按钮移动到购物车的最上方，或许可以增加这个结算按钮的点击穿透率（CTR，ClickThrough Rate），从而可能提高转化率（CR，Conversion Rate）。小知识&题外话：CTR简单说即点击该结算按钮的次数占该页面的总访问次数的百分比。例如，在日这一天，一共有200万人打开了这个购物车的页面，其中有20万人点击“结算”并成功到达了结算页面，那么这一天该按钮的CTR即为20万/200万乘以100%，即10%。CR，简单来说就是实际进行了消费活动的顾客占总访客数量的百分比。现在，我们就有了两个版本的购物车。一个是现有版本，我们称之为A；一个是我新设计的版本，我们称之为B。我们的目标是想要知道，B的效果是否比A来得好。那么，为了衡量效果，我们就要明确我们要观测的数据。这里，我们选择CTR和CR作为我们的观测数据。如果新设计上线后，这两个数据如果有上升，那么就代表着这个新的设计是一个很好的改进。按用户（流量）划分控制组和实验组接下来我们将用户划分成用户组和实验组。按用户分组也称作按流量分组。例如，我们可以让50%来到天猫的用户看到旧的设计，另外50%来到天猫的用户看到新的设计。需要注意的是，我们必须尽量保证同一个用户在实验期间所能看到的是同一个设计。如果他刚才看到的结算按钮在下面，现在又看到结算按钮在上面了，那么对他而言一定是一件很困惑的事情。小知识：划分组的过程由服务器的特定算法完成，这类算法我们一般称之为分桶算法（Bucketing Algorithm）。分桶也就是分组，是一个概念。对网站请求进行分桶的那部分程序叫做请求分桶（Request Bucketer）。按页面划分控制组和实验组有的时候，按照用户分组会存在一些问题。例如，如果你的实验是关于搜索引擎优化（SEO）的，那么可能就需要按照页面来划分控制组和实验组。例如，对于50%的购物车页面，无论谁访问，都是看到原来的设计；对于其他50%的购物车页面，则是新的设计。SEO的基本目的就是让搜索引擎更好搜索到网站的页面，所以我们希望在实验期间每次对于同一个页面，搜索引擎看到的结果都是一致的。这样才可以对比两种不同设计的页面对于搜索引擎爬虫的效果孰优孰劣。典型的SEO优化包括对标题的优化。例如，控制组中的页面标题是放入了商家的宝贝数量，例如“艾迪达斯旗舰店 - 1020件商品 - 上天猫，就购了！”；实验组中的页面标题是放入了商家上传的照片的数量，例如“艾迪达斯旗舰店 - 4558张照片 - 上天猫，就购了！”。别小看这样细小的变化，业界的确有不少成功的SEO优化就是由细小的变化所产生的。按页面划分的细节问题按页面划分的时候，如果仅仅划分为两个组，可能会出现一些问题。比如，如果对天猫商家页面进行按页面分组，如果在实验期间正好某商家自身发生了非常疯狂的大促，那么它所在的那一组的数据可能会直线飙升。这就可能引起我们的误解，我们可能以为这是由于实验本身造成的影响，于是造成了错误判断。简单的解决方法就是划分为四个组，而不是两个组：控制组1控制组2实验组1实验组2如果在实验组1里面的某个商家因为其自身原因，数据飙升，带动了整个实验组1的数据飙升。但是，实验组1的数据却没有什么很大的起色的话，那么说明是商家自身原因导致，而非新的功能带来的影响。分组的比例分配分组的比例分配不一定要是50%：50%，因为有些新功能是很可能造成不好的影响的，特别是试用一些新技术。在流量或者页面很多的情况下，哪怕是99%：1%的比例分配也是可以的，因为在后面还有采样的过程。对于淘宝，就算是1%的流量也是非常巨大的，所以样本总量（population）够大，对1%流量采样和50%的流量采样一般是没什么区别的。互斥实验有些实验之间是互斥的，可能会互相影响结果。例如，实验A的存在会让实验B的效果适得其反。简单的方法就是开辟“泳道”（swimlane）。就好像在游泳的时候，你在你的泳道游你的蛙泳，我在我的泳道游我的自由泳，咱们互不侵犯。拿按页面划分来举例，我们可以让实验A所用的所有页面占网站总页面的20%，实验B占据20%，并且实验A和实验B所涉及的页面互不相交（即互斥）。在A/B测试中要注意什么不要过早下定论。一个实验上线后，不能急着在两三天内就下定论。统计学上有一个概念叫做statistical confidence，有专门的方法可以用于计算。只有当计算出来的数据达到一定阀值的时候，我们才可以（从统计学上）说这个新的设计是成功或者失败的。我们可以用现成的计算器来计算。尽量减小偏差（bias）。例如，如果你对页面进行分组采用的方式是让卖拐杖的页面成为控制组、不卖拐杖的页面成为实验组，那这里面就会产生很大的偏差。因为一般买拐杖都是老年人在买，或者中年的子女在帮老人买，青少年不太可能去买。所以，两组之间就会产生很大的用户的性格的差异，对实验结果的影响就可能很不好了。所有的产品都可以进行A/B测试A/B测试允许我们快速演进我们的产品。我认为，除了互联网行业之外，其他行业也应该学习快速进行A/B测试的思想，创造更好的、质量更高的产品。A/B测试的场景很多，不同的A/B测试方法每天都在帮我们创建更好的世界。建议大家可以上网搜索，并和身边的人一起讨论如何应用假设测试打造更好的产品。后语：用这种A/B测试的方式，确实能验证刚开始对交互模凌两可，拿捏不定的设计。本文转载自：微信公众号：前端早读课
推荐试试 AB Tester
最近我发现百度在做。百度一下一个名人，使用不同的电脑，搜索出来的结果是不同的。一个是整合了很多的结果，另一个则是普通 搜索结果。我理解为什么不做A/B测试，1 是网站没达到这个规模，做A/B测试，没多少用户可以供你研究。2.自身团队没多少人，一个人做两个方案，不面雷同过多，没多大意义，另外，人不多，但是大家也不是闲着没事。3.就算那些大网站也是需要有一个有很想做事的团队才可以做的，如果不是想做好一件事情，很少有人会去想到这个，毕竟很麻烦。
作为一枚创业小兵，我回答一句：很简单，1成本太大，2用户基数太小。
为什么要做a/b测试啊？一枚优秀的产品经理，应该具备提供合理的页面展示布局能力，而不是采用测试的方式来确定布局方案。同时在用户数不是庞大的情况下，就算通过a/b测试得出一个最优方案所带来的价值和效果也是有限的。
基本上是觉得没有好的实现框架。要做这件事第一个工具是流量分层进行实验的框架，第二件事是完善的数据分析和报表展现的平台。这些东西稍上规模的公司都有自己的实现。但是没见什么开源的实现（谷歌提供的那个还是太弱了）。没发现应该主要是不知道。比如，大家很难发现百度上同时跑着几百个实验。
首先，A/B 测试本来也不必大量使用；第二，再该用的时候并没有少用，大概被发现或者出来说的少，不过总的来说，还是第一点原因比重大。具体原因也可以归结为一部分产品原因和一部分技术原因，其中产品原因占多数。产品上的原因是因为实际上并没有那么多的地方需要进行 A/B 测试，大多数情况下产品同学都对新的设计心里有数或者假装心里有数，其实也确实没那么多地方需要纠结到非要做 A/B 测试才行 -- 这里必须提一点： A/B 测试和灰度发布虽然看起来比较像但不是一回事，相对来说，灰度发布更常见。技术上的原因就是 A/B 毕竟要麻烦点，虽然不是什么有难度的问题（这里明确反对其他答案中提到技术壁垒的观点，其实只是麻烦，根本到不了技术壁垒的地步），但是当技术同学面对 N 多新需求的时候，其实心里不太愿意折腾费力不一定讨好的 A/B 测试 -- 这种事折腾一次也就够了。
已有帐号？
无法登录？
社交帐号登录}