对于新手用户，在开启实验时往往对于分配多少线上流量缺少经验性的判断，从而影响实验结果。
「A/B 测试」提供实验流量推荐工具，通过设定一系列的目标参数，推荐线上流量分配比例。假定新策略对核心指标在真实场景能带来提升，使用流量推荐工具能帮助用户在一次实验中就可得到显著的结果。

• 实验流量越大，统计功效越大，也就是说：假定一个实验对指标是有真实提升的，那么充足的流量有更大概率在一次实验中得到显著的结果。
• 但是，为了更大的统计功效，实验使用过多流量开也不可取。默认取统计功效为80%，因为：
  • 浪费流量 ：线上流量是宝贵的，通常同一互斥组会有多个迭代同时进行，一个占据10%流量就能满足统计功效的实验，如果把流量开到100%显然浪费。
  • 若实验负向，带来不必要的线上损失 ：实验中常常会测试新的策略，新策略相比老策略通常有更大的风险，一旦出现问题，小流量实验影响面更小。
  • 显著性更敏感，但实验实际的收益可能并不能打平feature的成本 ：虽然结果获得微小的正向显著，但实验ROI较低，长此以往对于产品来讲并不是好事，相当于用显微镜观察实验组和对照组，它们终归是不一样的，如果得到0.001%的统计显著，这真的是有意义的吗？因此，在开实验时建议大家根据实验的预期指标收益，计算所需的实验流量，并根据MAU折算为实验流量。开实验按照此建议实验流量大小进行设置即可。

在新建实验第二步「设置生效策略」，点击“流量计算器”，即可弹出流量建议工具页面，如下图：

主要可操作项如下：

1. WAU

WAU，指您接入的当前应用每周的活跃用户数。
为何不用DAU？

• 很多互联网产品在工作日和周末的DAU变化差异较大，建议观测整周WAU。

2. 核心指标基线

「A/B 测试」将会根据核心指标的历史运行情况，为您提前计算历史均值。若未能自动依据最近数据产出，则需要您手动输入数值。

3. 校验灵敏度MDE

MDE是什么？
Minimum Detectable Effect (MDE)，最小可检测单位，即检验灵敏度，是实验在当前条件下能有效检测的指标diff幅度。

• 当前条件 ，指当前样本量的「指标值、指标分布」情况，并假设「样本方差」与「总体指标方差」足够接近。
• 有效检测 ，指检出概率≥80%（type II error小于等于20%）。

MDE可以用来做什么？
通过比较指标MDE与指标的目标提升率，来判断不显著的指标结论是否可信，可以避免实验在灵敏度不足的情况下被过早作出非显著结论而结束，错失有潜力的feature。
如何设置？
MDE越小，意味着您要求测试的灵敏度越高，所需的样本量也越大。

• 如果MDE设置过于精细，不仅会浪费不必要的流量，同时实际收益可能不能弥补新策略的研发和推广成本。
• 如果灵敏度不足（比如预期1%就达标，但实验灵敏度仅能检测5%及以上），可能会导致错失有潜力的feature。

4. 指标方差

指标方差，实验版本内用户粒度层面的近期指标方差。若未能自动依据最近数据产出，则需要手动输入数值。
如何计算指标方差？
例如pv/uv，您可以使用SQL标准函数计算指标方差（MySQL帮助说明请戳这里）

select  STD(total_cost)** 2
from purchase_table
group by user_id;

• ctr点击率类：

例如ctr = sum(y) / sum(x)、 sum( read ) / sum( impr )，您可以按照如下公式计算指标方差：

其中，x、y的期望（μ）、方差（var）和协方差（cov）分别用impr和read的样本均值、样本方差、二者之间的样本协方差来替代。

5. 统计功效power（1-β）

统计功效 = 1 - 第二类错误的概率（β），统计功效在现实中表现为：假设我的新策略是有效的，我有多大概率在实验中检测出来。
在实验流量建议工具中，统计功效的默认值为80%，支持调整为50%、80%、90%、99%。

5.1 抽样误差

• 为了尽可能避免错误的策略给用户带来影响 ，我们在做实验时只会调取总体流量中的一小部分。因此，A/B实验存在着抽样这一步骤。尽管我们想尽办法，希望保持样本流量和总体流量分布一致，但抽样所产生的误差总归无法避免。这就意味着，我们通过抽样收集数据，对于“原假设”、“备择假设”的检验结果不可能是100%准确的。
• 通过统计学理论，我们可以知道在检验的过程中，我们可能会犯什么错，以及有多大几率犯错。统计学告诉我们，在假设检验的过程中，我们可能犯两种错误，它们分别被称为第一类错误（弃真）和第二类错误（取伪）。

5.2 第二类错误

第二类错误，指原假设错误（伪），但是我们假设检验的结论却显示“原假设正确（真）、备择假设是错误的”，这一过程中我们接受了错误（伪）的原假设，所以第二类错误是“取伪”。

• 在实际操作中表现为：我的新策略其实有效，但实验没能检测出来。

在统计学中，我们用β来描述实验者犯第二类错误的概率。

6. 统计显著性（1-α）

统计显著性=1 - 第一类错误的概率（α），也称“置信水平、置信度、置信系数”，它的存在是为了描述实验结果的可信度。
「A/B 测试」把置信度参数默认值设置为95%，集团管理和应用管理员可以在“系统设置-置信水平设置”根据需求进行调整。

6.1 第一类错误

第一类错误，指原假设正确（真），但是我们假设检验的结论却显示“原假设错误（伪）、备择假设是正确的”，这一过程中我们拒绝了正确（真）的原假设，所以第一类错误是“弃真”。

• 在实际操作中表现为：实验结论显示我的新策略有用，但实际上我的新策略没有用。

在统计学中，我们用显著性水平（α）来描述实验者犯第一类错误的概率。
当某个实验组的指标是显著的，说明这个实验结果大概率是可信的。这个概率是95%，也就是说，系统有95%的信心确认这个实验结果是准确的。

6.2 显著性水平存在的意义

举个例子，

一个按钮从蓝色改成红色，一个窗口从左边移到右边，到底用户体验会变好还是变差呢？我们并不确定，因此我们试图使用A/B实验的办法，帮助我们转化这种“不确定”——观察小流量实验中新旧策略的表现，从而确定新旧策略的优劣。
但是，这样就能完全消除不确定性了吗？答案是不能，因为存在抽样误差。
举个例子，假设瑞士人均收入为中国的十倍，那么随机抽三个瑞士人和三个中国人，能保证样本里这三个瑞士人的平均收入是三个中国人的十倍吗？万一这三个中国人是马云，王健林和一个小学生呢？
反过来想，假设在1%的流量下，组A（按钮呈红色）比组B（按钮呈现蓝色）购买率高，将流量扩大至100%，能保证策略A的表现仍旧比策略B出色吗？显然，我们还是不确定。

抽样误差带来的不确定性，使得我们在做小流量实验时，永远没法保证结论是完全正确的。幸运的是，对于抽样的不确定性，在统计学中，我们有一套方法来量化这种不确定性到底有多大，这便是显著性水平（α）存在的意义。