日常运营中，如何做好 A/B test？( 三 )

2）案例借鉴原则
AB实验，一定要从数据入手，找到出现异常的数据。而最终进行的优化实验，也需要找到一定的案例来进行支撑（实在没有，也要找到一个相近的案例。毕竟我们的产品很多，不愁找不到相似的产品来支撑自己的实验。）
有其他案例作为支撑，也就是这个实验，是从某个成熟的产品中借鉴而来的，这样成功的几率也就更大。同时，如果有开发需求的话，产品和技术对于这个需求也更加认可。（但是请看第一条，设计开发就一定需要排期，需要排期就一定需要一定的时间。）
3）预期管理原则
做好预期管理，这里不仅包含对于实验的预期，也包含对于领导预期的管理，不要给领导以及其他协作者太高的预期。最终结果，要让结果高于预期，未来才能更好地推动资源，才能让大家更信任你。
三、测试结果分析
接下来来到最关键的一步，那就是测试结果的数据分析。
在保证核心指标明显提升的基础上，辅助指标也有一定量的提升。
同时，反向指标变化不明显。一旦反向指标差异变化明显，可能是一次不成功的实验，毕竟牺牲了其他的指标来让核心指标变得更好，不是长久的运营策略。
如果统计显著性， ≥95% ，那么则证明核心指标有了一定量的提升。同时，再来计算辅助指标是否也有了一定量的提升，同样也是用上方的AB测试工具计算器来计算出统计显著性。
而有了一定的小范围数据支撑之后，如果再来提开发需求，将实验结果产品化或者继续优化迭代，那么需求也更加可靠。
四、将实验结果进行整理归类
将AB实验结果记录在实验表中，方便后期更好地调用实验想法，为新的实验想法提供可参考的依据。
一般实验记录可以分为以下几个关键点：

实验的目标：如提升单点转化率或者漏斗转化率
实验类型：是针对页面上实验，还是文案修改上的实验，还是在用户路径上做了一定量的优化，简单描述就好。
实验的过程：简单描述下实验的过程，用了多少样本量，在多少时间内完成内进行了什么样的实验。
实验结果：最终的实验结果什么样。

将已经做好的实验结果进行整理归类，方便自己或者后来人调取实验库，这样在一定程度上能够提高做事的效率。
以上就是我关于AB实验的一些分享。
在AB实验中，遵从最重要的原则就是：控制单一变量，小步快跑，得出结果，不断优化总结。用实验的思维去升级迭代，不断进行优化，最终将操作系统变得越来越灵活。
本文由 @运营汪日记原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Unsplash ，基于CC0协议