CN114168452A - 一种ab测试试验程序可视化操作平台 - Google Patents

一种ab测试试验程序可视化操作平台 Download PDF

Info

Publication number
CN114168452A
CN114168452A CN202111342922.7A CN202111342922A CN114168452A CN 114168452 A CN114168452 A CN 114168452A CN 202111342922 A CN202111342922 A CN 202111342922A CN 114168452 A CN114168452 A CN 114168452A
Authority
CN
China
Prior art keywords
test
function
user
matrix
visual
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111342922.7A
Other languages
English (en)
Inventor
张维学
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Yunyan Technology Co ltd
Original Assignee
Nanjing Yunyan Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Yunyan Technology Co ltd filed Critical Nanjing Yunyan Technology Co ltd
Priority to CN202111342922.7A priority Critical patent/CN114168452A/zh
Publication of CN114168452A publication Critical patent/CN114168452A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/36Preventing errors by testing or debugging software
    • G06F11/3668Software testing
    • G06F11/3672Test management
    • G06F11/3688Test management for test execution, e.g. scheduling of test suites
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/36Preventing errors by testing or debugging software
    • G06F11/3668Software testing
    • G06F11/3672Test management
    • G06F11/3684Test management for test design, e.g. generating new test cases
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/36Preventing errors by testing or debugging software
    • G06F11/3668Software testing
    • G06F11/3672Test management
    • G06F11/3692Test management for test results analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/36Preventing errors by testing or debugging software
    • G06F11/3668Software testing
    • G06F11/3696Methods or tools to render software testable
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00Arrangements for software engineering
    • G06F8/70Software maintenance or management
    • G06F8/71Version control; Configuration management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Stored Programmes (AREA)

Abstract

本发明公开了一种AB测试试验程序可视化操作平台,该平台利用粒子群优化算法帮助用户确定最优方案,功能包括可视化功能、灰度发布功能、云眼A/B测试功能、A/B测试结果分析功能、系统管理功能、云眼A/B测试移动端功能,支持“产品数据管理管理平台”实现数据准确性,实时性,支持实验的创建,数据收集和效果评定,能将APP的日活提升2%,转化率提升1%,有效提升了用户配置AB测试系统的概率。

Description

一种AB测试试验程序可视化操作平台
技术领域
发明涉及测试技术领域,尤其涉及一种AB测试试验程序可视化操作平 台。
背景技术
现有的AB测试系统分为:AB测试配置后台和数据查询服务 SCF(ServiceControlFunction,服务控制层)。PM(Product Manager,产 品经理)通过AB测配置平台录入实验控件,配置实验数据,实现方案流量分 配。App(Application,应用程序)通过调用AB测试数据查询服务加载所有 实验数据,App端做缓存,缓存时间AB测试系统下发,通过用户重启App、切换城市和缓存过期时重新请求AB测系统获取所有使用数据。
随着公司级app产品形态的不断丰富,产品用户数量级的显著增加和 产品复杂度的不断提高。对于产品管理带来两方面主要挑战:
1)产品决策优化缺乏数据支持。以前多依靠个人经验完善优化产 品,一些重大产品功能缺乏决策支持,不易确定哪个方案效果最优。用户 希望可以有专业的A/B测试工具进行相关实验创建和数据采集分析。
2)对用户个性化需求支持不足。以前对于用户线上体验和服务的个 性化重视不足,用户希望可以结合标签体系,对用户进行个性化的服务改 进,更精细化的提升用户体验。
发明内容
为了克服现有技术存在的缺点与不足,本发明提供一种AB测试试验程 序可视化操作平台。
本发明所采用的技术方案是,该平台利用粒子群优化算法帮助用户确 定最优方案,包括可视化功能、灰度发布功能、云眼A/B测试功能、A/B 测试结果分析功能、系统管理功能、云眼A/B测试移动端功能。
进一步地,所述粒子群优化算法在A/B测试结果分析功能对用户数据 进行分析帮助用户确定方案,用户的数据用粒子i表示,粒子i借助D维 向量表示,粒子的位置、速度,粒子的位置、速度的更新如下表示:
Xi=(xi1,xi2,…,xiD)T,Vi=(Vi1,Vi2,…,ViD)T
Figure BDA0003352808450000021
Figure BDA0003352808450000022
式中,Vid k为粒子i在第k次迭代中d维的速度;c1、c2为学习因 子,分别调节向全局最优粒子和个体最优粒子方向飞行的最大步长,确保 用户最终得出的结论,其在目标数值周边,将c1=c2=2,而rand1,2在 区间[0,1]之间随机选取,Xid k为粒子i在第k次迭代的第d维的位置, 该算法在运行时进行粒子群状态的初始化,依照用户的实际条件进行相关 约束的设定,从而寻找最优的方案。
进一步地,所述可视化功能,该功能包括A创建优化方案:创建优化 方案名称、版本名称和流量分配、转换事件名称;B通过编辑器对各版本 修改界面,修改优化的项目包括:总体布局,文字内容,字体类型、大 小、颜色,按钮大小、位置,更换图片,图片大小、位置;C设置目标: 页面名称、鼠标点击、自定义事件;D设置流量:支持动态分配流量。
进一步地,所述灰度发布功能利用云眼全栈API灰度发布系统来实 现,用户分流功能。
进一步地,所述云眼A/B测试功能包括测试基本功能、测试高级功 能;
所述测试基本功能包括可视化编辑器、目标定义、预览模式、单变量 A/B测试、实时数据统计与分析、数据导出、多用户权限管理、多页面 A/B测试、多变量A/B测试、热图对比、会话录制。
所述测试高级功能包括用户流量分配、智能分流。
进一步地,所述可视化功能,利用Hopfield混沌神经网络和压缩感 知对图片进行加密,加密过程由预加密过程和嵌入过程这两部分组成,在 预加密过程中,首先利用三维Cat映射产生的测量矩阵对经过索引置乱 后的稀疏矩阵进行压缩,然后在量化的中间密文图片中加入随机数并进行 Hilbert混沌神经网络置乱和扩散操作以生成最终的类噪声密文图片。在 嵌入过程中,通过LSB替换将密文图片嵌入到载体图片的Alpha通道 中,从而生成最终具有视觉意义的隐写图片,步骤为:
步骤1:选择小波基构造出稀疏变换矩阵
Figure BDA0003352808450000031
并根据下式对大小 为M×N的明文图片P1进行稀疏化,
P2=Psi×P1×PsiT
步骤2:设定一个阈值TS并将矩阵P2中绝对值小于等于该阈值的 所有元素全部赋值为0提高解密图片的质量,将经过阈值处理后的矩阵 称为P3;
步骤3:通过四阶龙格库塔法求得Hopfield混沌神经网络的三条长 度为M×N/2的混沌轨迹[XP,YP,ZP]T,其中系统的初始值设置为 B:[x’1,x’2,x’3],对其中两条混沌轨迹进行拼接获得新的混沌轨迹SP,并对该 混沌轨迹排序即可得到置乱序列Tsp,计算式描述如下:
SP=[XP,YP]
[~,Tsp]=sort(SP);
步骤4:利用序列Tsp对经过阈值处理所得到的矩阵P3进行索引置 乱,如下式所示:
Figure BDA0003352808450000041
其中:j=floor(i/M)+1,floor(·)表示对括号中的元素朝负无穷方向取 整,mod表示取余操作;
步骤5:使用密钥A:[x0,y0,z0]控制三维Cat映射产生一个测量矩阵
Figure BDA0003352808450000042
其中CN=CR×N,CR为预设的压缩率,再用测量矩阵Φ对置 乱后的矩阵P4进行测量,测量式如下式所示:
P5=Φ×P4;
步骤6:对矩阵P5进行量化,然后再在矩阵P6中填充随机数得到
Figure BDA0003352808450000043
Figure BDA0003352808450000044
其中,max和min分别表示矩阵P5中的最大值和最小值;
步骤7:通过产生的扩散矩阵对经过Hilbert混沌神经网络置乱后得 到的矩阵P7进行扩散操作,该过程的公式描述如下所示,其中符号
Figure BDA0003352808450000045
表 示异或操作,
P7=Hilbert(P6)
DT=floor([XP,ZP]×1010)mod 256
Figure BDA0003352808450000051
步骤8:将全255矩阵
Figure BDA0003352808450000052
等分成四个子矩阵D1i(i=1,2,3,4),然 后再将加密得到的类噪声图片P8中所有的元素分解成四个两位二进制 数,再通过LSB分别替换掉四个子矩阵中所有元素的最后两位,以得到 含有密文信息的四个子矩阵D2i
进一步地,所述A/B测试结果分析功能包括统计学分析和业务分析两 个部分。
所述统计学分析,确定A/B测试结果在统计学角度的可信度,分析 时关注A、B版;
所述业务分析,在统计学上的可信度确定后,对A/B测试结果做业 务分析,业务分析确定优化版本比原始版本好或差的真正原因。
进一步地,所述系统管理功能包括超级管理员:应用管理、用户管 理、角色管理;编辑用户:创建新的A/B测试和灰度发布;普通用户: 查看特定A/B测试和灰度发布数据。
进一步地,所述云眼A/B测试移动端功能支持App (iOS/Android)、微信小程序,用于移动端A/B测试场景和灰度发布场 景。
本发明所提出的AB测试试验程序可视化操作平台,支持“产品数据 管理管理平台”实现数据准确性,实时性。支持实验的创建,数据收集和 效果评定,能将APP的日活提升2%,转化率提升1%,有效提升了用户配 置AB测试系统的概率。
附图说明
图1为本发明测试平台的功能框图;
图2为本发明云眼A/B测试移动端方案流程图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特 征可以相互结合,下面结合附图和有具体实施例对本申请作进一步详细说 明。
如图1所示,一种AB测试试验程序可视化操作平台,该平台利用粒子 群优化算法帮助用户确定最优方案,包括可视化功能、灰度发布功能、云 眼A/B测试功能、A/B测试结果分析功能、系统管理功能、云眼A/B测试 移动端功能。
进一步地,所述粒子群优化算法在A/B测试结果分析功能对用户数据 进行分析帮助用户确定方案,用户的数据用粒子i表示,粒子i借助D维 向量表示,粒子的位置、速度,粒子的位置、速度的更新如下表示:
Xi=(xi1,xi2,…,xiD)T,Vi=(Vi1,Vi2,…,ViD)T
Figure BDA0003352808450000061
Figure BDA0003352808450000062
式中,Vid k为粒子i在第k次迭代中d维的速度;c1、c2为学习因 子,分别调节向全局最优粒子和个体最优粒子方向飞行的最大步长,确保 用户最终得出的结论,其在目标数值周边,将c1=c2=2,而rand1,2在 区间[0,1]之间随机选取,Xid k为粒子i在第k次迭代的第d维的位置, 该算法在运行时进行粒子群状态的初始化,依照用户的实际条件进行相关 约束的设定,从而寻找最优的方案。
可视化功能,通过A/B测试服务中可视化的功能,不断优化页面设计 细节,通过改变文案、按钮位置和元素颜色来验证最优的设计方案,从而 提升用户体验。
可以设计出大量试验,需要做好规划,这类试验同时运行的数量可能 较多,有计划、有步骤的持续不断的实施,避免试验之间互相干扰,有时 需要设置分层和互斥关系。
可视化编辑方式具体功能包括:
A创建优化方案:创建优化方案名称、版本名称和流量分配、转换事 件名称;
B通过编辑器对各版本修改界面。修改优化的项目包括:总体布局, 文字内容,字体类型、大小、颜色,按钮大小、位置,更换图片,图片大 小、位置等;
C设置目标:页面名称、鼠标点击、自定义事件;
D设置流量:支持动态分配流量等。
可视化编辑方式基本架构和原理:
云眼SDK通过Java的反射机制获得Android View和View中元素的 属性名称和值,通过服务器以JSON形式传给云眼Web控制台,云眼Web 控制台将JSON数据转换为HTML元素显示出来。
Android App启动时,云眼SDK从CDN将灰度发布系统配置文件获取 到本地。
用户访问App或触发目标后,消息会由SDK发回云眼服务器。
灰度发布功能,日常需求和产品落地时,对产品设计方案有争议或者 有发布风险时,采用灰度发布方式发布,通过逐步扩大范围,在初始灰度 的时候就可以发现、调整问题,以保证其影响度,降低发布风险。
灰度发布可以通过客户端(App和微信小程序)或服务器端单独实 现,有时需要客户端和服务器端共同来实现。云眼A/B测试可以完全支持 这些场景。
云眼全栈API灰度发布系统既可以支持服务器端也支持客户端(即 移动端API方式),并且支持各种语言比如:Java,NodeJs,Ruby, Javascript,Android,Objective-C,swift,PHP,Python等。
可视化功能,利用Hopfield混沌神经网络和压缩感知对图片进行加 密,加密过程由预加密过程和嵌入过程这两部分组成,在预加密过程中, 首先利用三维Cat映射产生的测量矩阵对经过索引置乱后的稀疏矩阵进 行压缩,然后在量化的中间密文图片中加入随机数并进行Hilbert混沌 神经网络置乱和扩散操作以生成最终的类噪声密文图片。在嵌入过程中, 通过LSB替换将密文图片嵌入到载体图片的Alpha通道中,从而生成最 终具有视觉意义的隐写图片,步骤为:
步骤1:选择小波基构造出稀疏变换矩阵
Figure BDA0003352808450000081
并根据下式对大小 为M×N的明文图片P1进行稀疏化,
P2=Psi×P1×PsiT
步骤2:设定一个阈值TS并将矩阵P2中绝对值小于等于该阈值的 所有元素全部赋值为0提高解密图片的质量,将经过阈值处理后的矩阵 称为P3;
步骤3:通过四阶龙格库塔法求得Hopfield混沌神经网络的三条长 度为M×N/2的混沌轨迹[XP,YP,ZP]T,其中系统的初始值设置为 B:[x’1,x’2,x’3],对其中两条混沌轨迹进行拼接获得新的混沌轨迹SP,并对该 混沌轨迹排序即可得到置乱序列Tsp,计算式描述如下:
SP=[XP,YP]
[~,Tsp]=sort(SP);
步骤4:利用序列Tsp对经过阈值处理所得到的矩阵P3进行索引置 乱,如下式所示:
Figure BDA0003352808450000091
其中:j=floor(i/M)+1,floor(·)表示对括号中的元素朝负无穷方向取 整,mod表示取余操作;
步骤5:使用密钥A:[x0,y0,z0]控制三维Cat映射产生一个测量矩阵
Figure BDA0003352808450000092
其中CN=CR×N,CR为预设的压缩率,再用测量矩阵Φ对置 乱后的矩阵P4进行测量,测量式如下式所示:
P5=Φ×P4;
步骤6:对矩阵P5进行量化,然后再在矩阵P6中填充随机数得到
Figure BDA0003352808450000093
Figure BDA0003352808450000094
其中,max和min分别表示矩阵P5中的最大值和最小值;
步骤7:通过产生的扩散矩阵对经过Hilbert混沌神经网络置乱后得 到的矩阵P7进行扩散操作,该过程的公式描述如下所示,其中符号
Figure BDA0003352808450000102
表 示异或操作,
P7=Hilbert(P6)
DT=floor([XP,ZP]×1010)mod 256
Figure BDA0003352808450000101
步骤8:将全255矩阵
Figure BDA0003352808450000103
等分成四个子矩阵D1i(i=1,2,3,4),然 后再将加密得到的类噪声图片P8中所有的元素分解成四个两位二进制 数,再通过LSB分别替换掉四个子矩阵中所有元素的最后两位,以得到 含有密文信息的四个子矩阵D2i
云眼全栈API基本功能与移动端API方式类似,包括:
创建优化方案:创建优化方案名称、版本名称和流量分配、转换事件 名称。
创建受众和属性:根据特定的用户和设定条件,有条件的激活优化方 案。
创建事件:通过API跟踪关键的用户行为。
A)用户分流功能:即如何有选择的有控制的选择部分用户使用新功 能,验证无误后,再按照规则,逐步扩大使用新功能用户比例,直至全量 发布,或遇到问题全体用户回滚。
B)灰度指标:确定新功能是否逐步扩大使用比例或是回滚,主要根 据监控的指标表现。包含技术性指标和业务性指标。技术性指标,如 Bug,App崩溃,App启动速度,页面响应速度等;业务性指标,如App用 户活跃率、留存率,功能使用度,流程转化率等。这些指标均应该可以通 过可配置的形式进行采集,并可在界面查看统计数据,提供决策数据依 据。
云眼A/B测试功能包括测试基本功能、测试高级功能;
所述测试基本功能包括可视化编辑器:改变Web或App无需编码。
支持多链接合并模式(适用于Web/H5),链接合并试验指的的是多 个URL的页面,合并成为一个URL进行A/B测试。
目标定义:页面地址、鼠标点击、自定义事件
预览模式:在启动测试之前预览优化方案
单变量A/B测试:比较两个或多个版本的页面的单个元素变化,用数 据和统计结果决定哪个版本表现最好。
实时数据统计与分析:实时统计转化数据(可达到分钟级监控测试效 果,及时发现测试版本的异常情况)。
数据导出:数据可以直接导出。
多用户权限管理:配置和管理用户角色的权限。
多页面A/B测试:当需要对网站中的一系列页面进行A/B测试时,可 以采用云眼多页面A/B测试。在多页面A/B测试中,整个系列页面会分为 A版本和B版本,系列的A版本由每个页面的A版本组成,系列的B版本 由每个页面的B版本组成。
多变量A/B测试:比较两个或多个版本的页面的多个元素组合变化, 用数据和统计结果决定哪个版本表现更好。
热图对比:热力图的数据中包含了用户在页面中的点击、移动以及滚 动。点击记录了访客在页面中点击的位置,移动记录了访客在页面中鼠标 的移动轨迹,滚动记录了访客查看网页内容的多少。还可以看到不同设备 (桌面、平板、手机)记录的样本多少。
会话录制:当有用户访问目标页面,云眼便会采集到会话录制的数 据。
项目级JavaScript:加入整个项目都使用的JavaScript代码。
项目级CSS:加入整个项目都使用的CSS代码。
优化建议:根据应用类型和页面类型给出优化建议。
所述测试高级功能包括用户流量分配、智能分流。
用户流量分配:云眼产品采用智能分流的模式,支持分层分流,定向 分流,支持流量实时动态流量调整。通过云眼产品有选择的有控制的选择 部分用户使用新功能,验证无误后,再按照规则,逐步扩大使用新功能用 户比例,直至全量发布,或遇到问题全体用户回滚。
智能分流:根据转化情况,进行AI智能流量分配,支持实时动态流 量调整,实时可以调整每个版本分配的流量。
A/B测试结果分析功能包括统计学分析和业务分析两个部分。
所述统计学分析,统计学分析是为了确定A/B测试结果在统计学角 度是否可信。分析时我们首先关注A、B版
本对用户行为的影响是否有差别,这通过统计显著性来反映。确定有 差别后,我们再看差别有多大,改进效果表示转化率提高(或降低)的幅 度,差异区间表示转化率改进的最可能范围。下面我们分别解释各项指标 的含义。
统计显著性:优化版本和原始版本之间转化率存在差异的可能性或可 信度,数值上等于1减去统计学假设检验中的P值(p-value),P值 表示样本间的差异由随机因素所导致的概率。
对于目标“homepage注册”,原始版本的转化率为16.8%,优化版 本的为18.2%,统计显著性为83.99%,即两个版本之间转化率的差异有 83.99%的可能性是由于优化版本的改动造成。
统计显著性数值所代表的含义:
a.≥95%:优化版本和原始版本之间有显著的统计差异,转化率的 “改进”是可信的;
b.90%~95%:优化版本和原始版本之间的统计差异存有疑问,转化率 的“改进”是存有疑问的;
c.<90%:优化版本和原始版本之间没有显著的统计差异,转化率的 “改进”是不可信的;一般来说,统计显著性要大于95%才认为A/B测 试结束,但是,统计显著性达到95%有时需要很长的测试周期,考虑到机 会成本,比如为了尽快推出新特性抢占市场先机,统计显著性达到90%也 是可以接受的,但需要知道这是有一定风险的。
一种情况,在测试过程中,有时统计显著性可能达到了95%,但继续 测试,发现统计显著性又会降到95%以下,因此在统计显著性达到95% 后,仍需要继续测试一段时间,发现显著性能够持续保持在95%以上, 才可以结束测试。
还有一种情况,在测试过程中统计显著性始终不能达到90%,也就是 两个版本对用户影响的差异不明显,我们观察一段时间后,只能结束测 试。
改进效果:(优化版本转化率–原始版本转化率)/原始版本转化 率,表示优化版本与原始版本相比,转化率提高的幅度。
差异区间:优化版本与原始版本之间转化率差异的置信区间,或者说 是最可能分布的区间范围。
注意,差异区间用转化率差异的绝对值表示,而不是相对比率。例 如,原始版本的转化率为10%,优化版本的转化率为11%,则转化率的绝 对差异为1%,而转化率的相对差异为10%(也就是优化版本相对原始改 进了10%)。
准确来说,原始版本与优化版本#1之间转化率的差异在-1.64%和 +3.50%之间,也就是说优化版本#1的转化率最可能在(18.7%– 1.64%)=17.06%和(18.7%+3.50%)=22.2%之间。通过差异区间来了 解优化版本转化率的可能范围,以便做进一步优化。
业务分析,在统计学上的可信度确定以后,我们还要对A/B测试结 果做业务分析。业务分析是为了找到优化版本比原始版本好或差的真正原 因,是A/B测试结果分析的重要部分。我们要基于自己所从事行业的业 务领域知识,结合客户心理、使用习惯、直觉本能、喜好倾向等角度来分 析,把数字后面的道理挖掘出来,用来更好指导我们未来的行动。
其他指标说明
云眼A/B测试结果面板,还包含独立访客数、访问数、转化数、转 化率等指标。
独立访客数:某段时间内访问Web应用、APP的用户数或设备数。
Web应用:未登录用户可以通过用户的浏览器Cookie、IP地址、设 备分辨率、浏
览器型号、操作系统等信息判断用户是否为独立访客。比如用户在某 段时间内使用
不同的浏览器或不同的设备访问应用,将记为多个独立访客。已登录 用户,可以通
过用户ID识别独立访客数。
APP:未登录可以通过用户移动设备的型号、操作系统、品牌、分辨 率、IP地址等
信息来判断用户是否为独立访客。已登录用户,可以通过用户ID识 别独立访客数。
访问数:用户使用应用的次数,如果用户连续两次请求界面的时间间 隔不超过30分钟,则
按1次访问计算;否则,就是2次访问。
转化数:用户触发某个目标的次数,在1次访问中,如果这个目标 被触发多次,该目标的
转化数只按1次计算。
转化率:转化数/访问数,云眼转化率的计算是以访问数为基数, 而不是访客数。
系统管理功能包括系统应用管理、各应用权限管理、用户管理、试验 权限管理
权限可精细到实验级别,针对某一个试验为特定用户分配权限,权限 分为:
配置试验:创建、编辑版本、设置目标、设置受众、预览、试验类型 设置、API编写。
查看结果;查看结果、查看试验各项设置但不能修改。
管理试验:修改流量、启动试验、暂停试验、结束试验。
超级管理员:应用管理、用户管理、角色管理;编辑用户:创建新的 A/B测试和灰度发布;普通用户:查看特定A/B测试和灰度发布数据。
云眼A/B测试移动端功能支持App(iOS/Android)、微信小程序, 用于移动端A/B测试场景和灰度发布场景,如图2所示。
设计优化方案,下面以一个简单的小程序为例,现在提出假设:轮播 图的播放速度会影响用户的点击率。所以确定需要进行A/B测试的就是轮 播图的播放速度,衡量结果的指标就是轮播图的点击率。
创建优化方案:前往“业务优化”>“创建优化方案”。输入优化方 案名称,平台选择“全栈API”,然后点击“确定”完成优化方案的创 建。创建完成后页面会自动跳转到编辑器页面。
添加版本并分配流量,优化方案后,进入编辑界面,点击“添加新 版本”按钮可添加新版本,并且可以自行选择参加该试验的流量比例以及 为各个版本分配流量。
设置目标,根据优化方案的设计情况,将需要用到的衡量指标创建为 一个目标。输入目标的名称然后点击“创建目标”,目标创建完成后,点 击目标后的“+”号将其添加到优化方案中。
设置受众,可以将优化方案定位到在云眼控制台预先定义的特定受众 群体中,云眼将会在激活优化方案时通过属性值评估用户是否满足受众条 件,从而决定是否激活优化方案。在云眼控制台中点击“业务优化”,业 务优化界面打开后再点击“自定义属性(全栈)”。点击创建自定义属性, 输入自定义属性的名称和描述,点击确定按钮。
然后在编辑器中点击“创建受众”,输入受众的名称和描述,将右侧 已创建好的自定义属性拖拽至受众条件下,然后输入一个属性的值,例 如:male,然后点击“保存受众”按钮。(注意:创建的自定义属性的名 称和输入的值最终形成键值对的形式:”Gender”:”male”)。
启动优化方案,配置完成后点击“启动优化方案”。
SDK下载与安装,打开云眼控制台,然后点击“业务优化”,业务优 化界面打开后点击“SDK下载与安装”。
在新打开的页面中,选择”全栈APISDK安装“,再从下方选择“微 信小程序”,点击下载链接开始下载小程序SDK文件,下载完成后将 SDK文件eyeofcloud.min.js和包装文件eoc_manager.js加载到项目当 中,其中包装文件eoc_manager.js的作用主要是引入SDK并获取配置文 件的信息,然后在需要进行A/B测试的页面当中直接引入 eoc_manager.js,并实例化eyeofcloud。
编码实现,如果您正在使用私有部署的云眼系统,则需要修改事件发 送URL,调用云眼SDK的setServerHost方法,将私有部署的URL作为参 数传入即可(URL不需要添加https头)。
调用云眼SDK的activate方法会激活试验并得到对应的版本名称, 根据版本名称对界面做出不同的修改从而形成不同的版本。activate接 受两个参数,试验名称和userID。
在目标事件触发时,调用track接口,需要提供2个参数,分别为目 标名称(在云眼控制台创建的目标名称)和用户ID。
简单API中使用参数化API,使用简单API方式可以和参数化API进 行配合使用,先调用简单API的activate方法激活一个试验得到版本名称, 然后调用参数化APIgetVariA/Ble/getVariA/BleBoolean来获取在云眼 控制台定义的变量值,需要提供3个参数,分别是变量名称、用户ID、 布尔值true/false,其中最后一个参数的布尔值代表是否激活试验,我 们只需要获取变量的值便于使用而并不需要激活试验,所以我们最后一个 参数传递false。在这种情况下,我们使用activateAPI激活试验得到 的是哪个版本,则使用参数化API获取到的变量就是我们在云眼控制台定 义的该版本的值。例如:我们用activate激活试验返回的是优化版本, 则我们使用参数化API获取到的变量值也是优化版本中的变量值。
查看试验结果,当试验运行一段时间后,就可以到云眼控制台查看试 验的运行结果。
本发明所提出的AB测试试验程序可视化操作平台,支持“产品数据 管理管理平台”实现数据准确性,实时性。支持实验的创建,数据收集和 效果评定,能将APP的日活提升2%,转化率提升1%,有效提升了用户配 置AB测试系统的概率。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员 而言,可以理解的是,在不脱离本发明的原理和精神的情况下可以对这些实 施例进行多种等效的变化、修改、替换和变型,本发明的范围由所附权利 要求及其等同范围限定。

Claims (9)

1.一种AB测试试验程序可视化操作平台,其特征在于,该平台利用粒子群优化算法帮助用户确定方案,功能包括可视化功能、灰度发布功能、云眼A/B测试功能、A/B测试结果分析功能、系统管理功能、云眼A/B测试移动端功能。
2.一种AB测试试验程序可视化操作平台,其特征在于,所述粒子群优化算法在A/B测试结果分析功能对用户数据进行分析帮助用户确定方案,用户的数据用粒子i表示,粒子i借助D维向量表示,粒子的位置、速度,粒子的位置、速度的更新如下表示:
Xi=(xi1,xi2,…,xiD)T,Vi=(Vi1,Vi2,…,ViD)T
Figure FDA0003352808440000011
Figure FDA0003352808440000012
式中,pbest表示所有个体极值,T表示时间,p表示单个个体极值Vid k为粒子i在第k次迭代中d维的速度;c1、c2为学习因子,分别调节向全局最优粒子和个体最优粒子方向飞行的最大步长,确保用户最终得出的结论,其在目标数值周边,将c1=c2=2,而rand1,2在区间[0,1]之间随机选取,Xid k为粒子i在第k次迭代的第d维的位置,该算法在运行时进行粒子群状态的初始化,依照用户的实际条件进行相关约束的设定。
3.如权利要求2所述的一种AB测试试验程序可视化操作平台,其特征在于,所述可视化功能,该功能包括A创建优化方案:创建优化方案名称、版本名称和流量分配、转换事件名称;B通过编辑器对各版本修改界面,修改优化的项目包括:总体布局,文字内容,字体类型、大小、颜色,按钮大小、位置,更换图片,图片大小、位置;C设置目标:页面名称、鼠标点击、自定义事件;D设置流量:支持动态分配流量。
4.如权利要求3所述的一种AB测试试验程序可视化操作平台,其特征在于,所述可视化功能,利用Hopfield混沌神经网络和压缩感知对图片进行加密,加密过程由预加密过程和嵌入过程这两部分组成,在预加密过程中,首先利用三维Cat映射产生的测量矩阵对经过索引置乱后的稀疏矩阵进行压缩,然后在量化的中间密文图片中加入随机数并进行Hilbert混沌神经网络置乱和扩散操作以生成最终的类噪声密文图片,在嵌入过程中,通过LSB替换将密文图片嵌入到载体图片的Alpha通道中,从而生成最终具有视觉意义的隐写图片,步骤为:
步骤1:选择小波基构造出稀疏变换矩阵
Figure FDA0003352808440000021
并根据下式对大小为M×N的明文图片P1进行稀疏化,
P2=Psi×P1×PsiT
步骤2:设定一个阈值TS并将矩阵P2中绝对值小于等于该阈值的所有元素全部赋值为0提高解密图片的质量,将经过阈值处理后的矩阵称为P3;
步骤3:通过四阶龙格库塔法求得Hopfield混沌神经网络的三条长度为M×N/2的混沌轨迹[XP,YP,ZP]T,其中系统的初始值设置为B:[x’1,x’2,x’3],对其中两条混沌轨迹进行拼接获得新的混沌轨迹SP,并对该混沌轨迹排序即得到置乱序列Tsp,计算式描述如下:
SP=[XP,YP]
[~,Tsp]=sort(SP);
步骤4:利用序列Tsp对经过阈值处理所得到的矩阵P3进行索引置乱,如下式所示:
Figure FDA0003352808440000031
其中:j=floor(i/M)+1,floor(·)表示对括号中的元素朝负无穷方向取整,mod表示取余操作;
步骤5:使用密钥A:[x0,y0,z0]控制三维Cat映射产生一个测量矩阵
Figure FDA0003352808440000032
其中CN=CR×N,CR为预设的压缩率,再用测量矩阵Φ对置乱后的矩阵P4进行测量,测量式如下式所示:
P5=Φ×P4;
步骤6:对矩阵P5进行量化,然后再在矩阵P6中填充随机数得到
Figure FDA0003352808440000033
Figure FDA0003352808440000034
其中,max和min分别表示矩阵P5中的最大值和最小值;
步骤7:通过产生的扩散矩阵对经过Hilbert混沌神经网络置乱后得到的矩阵P7进行扩散操作,该过程的公式描述如下所示,其中符号
Figure FDA0003352808440000037
表示异或操作,
P7=Hilbert(P6)
DT=floor([XP,ZP]×1010)mod 256
Figure FDA0003352808440000035
步骤8:将全255矩阵
Figure FDA0003352808440000036
等分成四个子矩阵D1i(i=1,2,3,4),然后再将加密得到的类噪声图片P8中所有的元素分解成四个两位二进制数,再通过LSB分别替换掉四个子矩阵中所有元素的最后两位,以得到含有密文信息的四个子矩阵D2i
5.如权利要求4所述的一种AB测试试验程序可视化操作平台,其特征在于,所述灰度发布功能利用云眼全栈API灰度发布系统来实现用户分流功能。
6.如权利要求5所述的一种AB测试试验程序可视化操作平台,其特征在于,所述云眼A/B测试功能包括测试基本功能、测试高级功能;
所述测试基本功能包括可视化编辑器、目标定义、预览模式、单变量A/B测试、实时数据统计与分析、数据导出、多用户权限管理、多页面A/B测试、多变量A/B测试、热图对比、会话录制;
所述测试高级功能包括用户流量分配、智能分流。
7.如权利要求6所述的一种AB测试试验程序可视化操作平台,其特征在于,所述A/B测试结果分析功能包括统计学分析和业务分析两个部分;
所述统计学分析,确定A/B测试结果在统计学角度的可信度,分析时关注A、B版;
所述业务分析,在统计学上的可信度确定后,对A/B测试结果做业务分析,业务分析确定优化版本比原始版本好或差的真正原因。
8.如权利要求7所述的一种AB测试试验程序可视化操作平台,其特征在于,所述系统管理功能包括超级管理员:应用管理、用户管理、角色管理;编辑用户:创建新的A/B测试和灰度发布;普通用户:查看特定A/B测试和灰度发布数据。
9.如权利要求8所述的一种AB测试试验程序可视化操作平台,其特征在于,所述云眼A/B测试移动端功能支持App(iOS/Android)、微信小程序,用于移动端A/B测试场景和灰度发布场景。
CN202111342922.7A 2021-11-12 2021-11-12 一种ab测试试验程序可视化操作平台 Pending CN114168452A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111342922.7A CN114168452A (zh) 2021-11-12 2021-11-12 一种ab测试试验程序可视化操作平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111342922.7A CN114168452A (zh) 2021-11-12 2021-11-12 一种ab测试试验程序可视化操作平台

Publications (1)

Publication Number Publication Date
CN114168452A true CN114168452A (zh) 2022-03-11

Family

ID=80478751

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111342922.7A Pending CN114168452A (zh) 2021-11-12 2021-11-12 一种ab测试试验程序可视化操作平台

Country Status (1)

Country Link
CN (1) CN114168452A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114462890A (zh) * 2022-04-07 2022-05-10 第四范式(北京)技术有限公司 一种评估辅助方法及装置、电子设备、存储介质
CN116305222A (zh) * 2023-05-22 2023-06-23 武汉惠强新能源材料科技有限公司 一种锂电池隔膜生产数据安全权限智能调控方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114462890A (zh) * 2022-04-07 2022-05-10 第四范式(北京)技术有限公司 一种评估辅助方法及装置、电子设备、存储介质
CN116305222A (zh) * 2023-05-22 2023-06-23 武汉惠强新能源材料科技有限公司 一种锂电池隔膜生产数据安全权限智能调控方法
CN116305222B (zh) * 2023-05-22 2023-09-05 武汉惠强新能源材料科技有限公司 一种锂电池隔膜生产数据安全权限智能调控方法

Similar Documents

Publication Publication Date Title
US11526653B1 (en) System and method for optimizing electronic document layouts
Wiebe et al. Two‐year follow‐up outcomes in emotionally focused couple therapy: An investigation of relationship satisfaction and attachment trajectories
CN107766940B (zh) 用于生成模型的方法和装置
CN110781321B (zh) 一种多媒体内容推荐方法及装置
US9854064B2 (en) Method of website optimisation
CN109670267B (zh) 一种数据处理方法和装置
US20220156257A1 (en) Automatically expanding segments of user embeddings using multiple user embedding representation types
KR20220066924A (ko) 머신 러닝 모델에서 동적 이상치 바이어스 감소를 구현하도록 구성된 컴퓨터 기반 시스템, 컴퓨팅 구성요소 및 컴퓨팅 객체
DE102018006962A1 (de) Regelfestlegung für Black-Box-Maschinenlernmodelle
CN114168452A (zh) 一种ab测试试验程序可视化操作平台
CN109844781A (zh) 用于从日志文件识别处理流并使流可视化的系统和方法
CN108027830A (zh) 用于自动内容验证的系统和方法
US20210232706A1 (en) Generating behavioral profiles
WO2016013972A1 (en) Computer-implemented method of and system for running a marketing campaign
US11501107B2 (en) Key-value memory network for predicting time-series metrics of target entities
CN103608807A (zh) 路径长度选择器
US20200068045A1 (en) Internet of things designer for an authoring tool in virtual and augmented reality environments
US20220070150A1 (en) Privacy-enhanced data stream collection
CN111767982A (zh) 用户转换预测模型的训练方法、装置、存储介质以及电子设备
CN113297486B (zh) 一种点击率预测方法及相关装置
CN113516251A (zh) 一种机器学习系统及模型训练方法
WO2019133164A1 (en) System and method for recommending features for content presentations
CN107979779B (zh) 社交媒体服务上的媒体内容分组的组合交互监测
US20130347023A1 (en) Method for requesting digital content, for providing digital content, and for producing a personal profile of a user
US11799864B2 (en) Computer systems for regulating access to electronic content using usage telemetry data

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20220311

WD01 Invention patent application deemed withdrawn after publication