Skip to Main Content
数据驱动设计:A/B 测试提升用户体验
book

数据驱动设计:A/B 测试提升用户体验

by Rochelle King, Elizabeth F. Churchill, Caitlin Tan
August 2018
Intermediate to advanced content levelIntermediate to advanced
239 pages
4h 15m
Chinese
China Machine Press
Content preview from 数据驱动设计:A/B 测试提升用户体验
126
5
全局探索最适合于以下阶段:
正在开发一个全新领域,缺乏专业知识或实践经验时。
期望进行大规模策略调整,需要积累一些基础实践经验时。
当现有产品
/
体验长期未曾不变,但新技术可帮助你尝试以往难以实现的想法时。
感到局部优化已达到极限,无法引起任何显著的性能提升时。
当处于图
5-6
所指的局部一侧时,你应着手优化现有体验。局部优化中,每个迭代或
测试单元之间的设计差异不大,与现有体验的差异也不大。你应准确了解哪些设计模
块可以改变用户行为。这样便能衡量每个设计部分的调整对用户行为影响的因果关系。
回到山脉的比喻,局部设计迭代旨在基于限定范围实践最佳优化方案。
局部优化适用于以下情况:
希望深入调研并优化某局部体验时。
认为现有体验近乎最佳时(且尚未达到局部最大值,收益尚未开始递减,递减指
优化投入大于收益)。
规避局部最大值
全局设计的风险在于同时处理多种变量。通常来说,任何一种变量的变动更有可能导
致负面结果,涉及的变量越多,成功的概率越小。
然而有时,对于一次一小步向前迈进,成功难以触手可及。如之前所述,局部设计旨
在小步攀登所处的山峰,假如你攀登的是一座山谷环绕的山峰,将无法通过这样的方
式抵达最高峰。也许只有多次大步尝试不同方向,你才能了解不远处是否有比当前产
品更优的解决方案(见图
5-6
)。
当你探索全局设计时,很少会得到超出预期、令人困扰的结果。但假如你在全局探索时,
针对一些简单变量进行局部测试,可能会得到起伏差异较大的结果,这种差异也许暗
示了潜在指标存在的可能。
设计改动对指标的影响可大可小,而无关乎全局改动或局部改动。例如 ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Start your free trial

You might also like

数字化转型:企业破局的34 个锦囊

数字化转型:企业破局的34 个锦囊

Gary O’Brien, Xiao Guo, Mike Mason
解密金融数据

解密金融数据

Justin Pauley
Java持续交付

Java持续交付

Daniel Bryant, Abraham Marín-Pérez

Publisher Resources

ISBN: 9787111605492