揭秘今日頭條系增長的秘密—— A/B 測試

2018 年，中國移動互聯(lián)網(wǎng)用戶增長放緩，上半年僅增長 2 千萬。

但是有一匹黑馬，硬是在這種惡劣的情況下，逆流而上。

今日頭條系獨立 App 用戶使用時長占比，從 3.9% 猛增到 10.1%，增長了1 .6 倍，超過百度系、阿里系穩(wěn)居總使用時長第 2 名。

更牛逼的是，頭條系產(chǎn)品這種突飛猛進的增長速度還在持續(xù)，單今日頭條資訊 App 每天還在保持 100萬+ 的新增。

在頭條系如何做到這般“喪心病狂”的用戶增長的背后，其實有一些不為認知的小秘密。

頭條內(nèi)部會創(chuàng)新（或者抄襲）孵化產(chǎn)品，并且為每款產(chǎn)品設(shè)置留存生死線（RIO），超過生死線的產(chǎn)品就可以頭條系站內(nèi)流量扶持，快速讓它達到千萬級日活。

今日頭條涉足近60個產(chǎn)品

頭條內(nèi)部有非常強大的數(shù)據(jù)監(jiān)控系統(tǒng)（花大價錢買數(shù)據(jù)），任何產(chǎn)品的日活和增長數(shù)據(jù)都在它們的監(jiān)控之下。

另外，為了幫助提升創(chuàng)新產(chǎn)品的成功率，頭條內(nèi)部甚至研發(fā)出了一套增長引擎，在咱們還在糾結(jié)功能按鈕排序時，他們就在同時進行幾十組甚至上百組的 A/B 測試，幫助產(chǎn)品經(jīng)理和運營們找到最優(yōu)的方案。

頭條強大的生死線和數(shù)據(jù)監(jiān)控系統(tǒng)我們模仿不來，他們的增長引擎我們也暫時研發(fā)不出來。但是幫助篩選最優(yōu)方案的 A/B 測試，我們還是可以進行借鑒學(xué)習(xí)的。

雖然 A/B 測試過去更多的是在產(chǎn)品領(lǐng)域，通過它來判斷功能的價值。其實到現(xiàn)在 A/B 測試已經(jīng)滲入到運營，哪天公眾號能推出小流量打開率測試功能，我想你會開心壞了！

A/B 測試，也叫對照實驗和隨機實驗。簡單說，就是為同一個目標(biāo)設(shè)計 A 方案和 B 方案，讓一部分用戶使用 A 方案，一部分用戶使用 B 方案。記錄用戶的使用情況，根據(jù)用戶反饋，比較得出哪個方案更佳。

千萬不要以為這里的“A/B測試”真的只會有 A 方案和 B 方案，“A/B 測試”只是習(xí)慣性叫法，你還可以有 C、D、E 多種供測試的方案。

看完定義，你可能會覺得“A/B 測試”這個概念已經(jīng)爛大街了，不就是提出多種方案供選擇，然后選擇效果最好的哪一種嗎？

其實理論講起來很簡單，實際做起來還是需要很多技巧的。我們先來看一看，今日頭條是如何開展 A/B 測試的？

今日頭條的頭條號具有“雙標(biāo)題”功能，這其實就是 A/B 測試的一種實踐。

也許你會說，這難道不是為了讓用戶有更廣闊的起標(biāo)題空間嗎？一篇內(nèi)容可以起兩個標(biāo)題，那么一個標(biāo)題廢了，還有另一個標(biāo)題撐腰。不像微信公眾號，只有一個標(biāo)題，一旦標(biāo)題廢了，閱讀量基本上就完蛋了。

事實上，今日頭條設(shè)置“雙標(biāo)題”功能是為了更精準地了解用戶對于標(biāo)題的反饋，從而掌握用戶的行為數(shù)據(jù)。

當(dāng)然，今日頭條在 A/B 測試上最牛逼的玩法不是“雙標(biāo)題”功能，因為只測試標(biāo)題，就會造成“標(biāo)題黨”泛濫橫行?；诖?，今日頭條 A/B 有一套“動態(tài)”的內(nèi)容推薦機制，這里的”動態(tài)“指的是根據(jù)反饋結(jié)果，實時更新調(diào)整。

這套“動態(tài)”內(nèi)容推薦機制是如何運轉(zhuǎn)的呢？

同樣的方案，今日頭條會先推薦給小范圍的人群：

用戶的行為動作會被搜集，據(jù)《今日頭條推薦系統(tǒng)原理》介紹，基本上每小時都可以看到用戶對內(nèi)容的反饋。但因為每小時都有數(shù)據(jù)上的波動，今日頭條通常以天為時間節(jié)點，來查看用戶的行為數(shù)據(jù)。

將用戶的行為動作進行搜集后，今日頭條會有日志處理、分布式統(tǒng)計，寫入數(shù)據(jù)庫。

今日頭條系統(tǒng)就可以自動生成：實驗數(shù)據(jù)對比、實驗數(shù)據(jù)置信度、實驗結(jié)論總結(jié)以及實驗優(yōu)化建議。

這樣看來，是不是覺得 A/B 測試的威力真的很強大，不僅完成了方案調(diào)研，還能通過測試掌握用戶口味，實現(xiàn)精細化內(nèi)容推薦，從而更好地留住用戶。

可能你會覺得 A/B 測試只有大公司才玩得起，和我們并沒有什么關(guān)系。可能你也會覺得這只是產(chǎn)品的事，和我們運營沒什么關(guān)系。

那你誤解可就大了。不僅小玩家也能玩，而且和我們運營大大的相關(guān)。如果你是一個會做增長的運營，那你很可能就會成為你們公司的扛把子。

舉個例子：

我們之前邀請了「深夜發(fā)媸」的主編阿芙，來給我們做微課分享。既然談到微課，那肯定是要打磨微課海報，提升宣傳效果的。

于是我們請我司首席設(shè)計師做了一版，結(jié)果一出來，編輯部的小姐姐們意見不合吵了起來。

一個人認為“如何寫出用戶喜歡的營銷文案”，這個主題沒有吸引力，應(yīng)該改成“10 招寫出讓用戶喜歡的營銷文案”。

還有一個人表示贊同，但是應(yīng)該進一步優(yōu)化，改為“10 招寫出讓用戶瘋傳的轉(zhuǎn)化文案”。

這個時候，賢哥很機智的說了一句，你們就不能做 3 版海報嘛？每版海報只讓一個寶寶號，在同一個時間轉(zhuǎn)發(fā)（所有寶寶號均擁有 5000 人好友），這樣不就測出來哪版效果好了嘛？

當(dāng)時我們沒有想到，其實這就是 A/B 測試的思維。

后來我們實施了賢哥的想法，測試出了 3 個海報的轉(zhuǎn)發(fā)率（轉(zhuǎn)發(fā)海報用戶/新增用戶），分別為：30%，35%，44%，效果最好的一張是：10 招寫出用戶瘋傳的轉(zhuǎn)化文案。

接下來，就發(fā)動所有寶寶號，公司的全體員工分享海報，最終吸引了 3000 人來聽課，這也是我們目前效果最好的一次微課分享。

除了微課的應(yīng)用，還有很多地方也可以用到 A/B 測試。

比如 App 的 push 可以做 A/B 測試。餓了么想要測試，不同的促銷活動，對用戶的留存有多大作用，所以就發(fā)生了以下場景。

昨天，小松果興沖沖和我說，餓了么給她發(fā)了一條推送：“你有一張 15 元大額券待領(lǐng)取”，結(jié)果點進去發(fā)現(xiàn)是“滿 40 減 15 ”。盡管這樣，她還是湊單點了很多東西。

根據(jù)以往經(jīng)驗來看，餓了么喜歡在我們吃飯前推送。所以我看了看自己的餓了么推送：“訂單滿 45 可享七五折優(yōu)惠”。一看我就沒有興趣，起點那么高。

其實這就是餓了么運營給我們做的 A/B 測試。

通過這次測試，他們可以通過訂單率發(fā)現(xiàn)，同樣都是優(yōu)惠 15 元（都花 40 塊的前提下），直接突出數(shù)字 “優(yōu)惠 15 元”，就比“滿 40 減 15”效果好。

總之，通過 A/B 測試，確確實實能夠試出最佳增長方法。除了 App 的推送，微課主題，還有很多場景可以用 A/B 測試，比如付費廣告，應(yīng)用商店，著陸頁，新用戶引導(dǎo)流程等等。

A/B 測試看似簡單，實則隱藏著許多溝溝坎坎，稍不注意就會導(dǎo)致試驗結(jié)果偏離科學(xué)軌道。

如果真的有一天公眾號開發(fā)的標(biāo)題 A/B 測試的功能，你會用下列哪個方案去測試的你的標(biāo)題？

如果你的是選擇 b 方案的話，恭喜你翻車了！

舉個不太恰當(dāng)?shù)睦?，b 方案的測試方法就好比在電視上投放廣告，分別選取了工作日的下午 3 點鐘和晚間黃金時段進行測試收集。

由于輪流展示時的測試環(huán)境不盡相同，所面向的受眾群體更是千差萬別，因此最終試驗結(jié)束后的數(shù)據(jù)結(jié)果必然會存在一定偏差，也就更不具有說服性了。

在測試結(jié)果沒有表現(xiàn)出理想狀態(tài)下的數(shù)據(jù)提升時，如果你直接放棄的話，有可能你又踩坑了。

國際短租平臺，搜索是 Airbnb 生態(tài)系統(tǒng)中很基礎(chǔ)的一個組成部分。Airbnb 曾經(jīng)做過一個關(guān)于搜索頁優(yōu)化的 A/B 測試，新的版本更加強調(diào)了列出的圖片，以及房屋所在位置（如下圖所示）。

在等待了足夠長的時間之后，試驗結(jié)果顯示新老版本的整體數(shù)據(jù)相差無幾，似乎這次優(yōu)化沒有很好的效果。

如果此時，Airbnb 直接根據(jù)整體的數(shù)據(jù)表現(xiàn)放棄了這次優(yōu)化，那么這個花費了很多精力設(shè)計的項目就會前功盡棄。

相反，經(jīng)過仔細研究，他們發(fā)現(xiàn)除了 IE 瀏覽器之外，新版在其他不同瀏覽器中的表現(xiàn)都很不錯。當(dāng)意識到新的設(shè)計制約了使用老版本 IE 的操作點擊后（而這個明顯為全局的結(jié)果造成了很消極的影響），Airbnb 當(dāng)即對其進行了修補。

至此以后，IE恢復(fù)了和其他瀏覽器一樣的展示結(jié)果，試驗的整體數(shù)據(jù)增長了 2% 以上。

通過 Airbnb 的例子，我們能學(xué)到正確的做法是：在整體效果不太好的時候，不要一竿子打死，而需要從多個維度細分觀察個體的情況，以避免區(qū)群謬誤帶來的決策偏差。

避開了上面的 2 個坑之后，你可能得到一個相對不錯的測試結(jié)果，在你欣喜若狂時，正準備對外宣布戰(zhàn)果時，可能已經(jīng)踩入了另外一個坑——“局部最優(yōu)”

以某金融平臺提升新用戶的注冊率的 A/B 測試為例，運營通過不斷進行注冊按鈕的文案優(yōu)化，發(fā)現(xiàn)相比于“立即注冊”、“免費注冊”等文案而言，“領(lǐng)取 100 元新人紅包”的注冊率是最高的。

但是，如果只是沉迷在文案上做測試，其實他可能就錯過了提升用戶注冊率的其他更效假設(shè)。

正確的做法是可以進行用戶調(diào)研，了解用戶不注冊的原因在哪，通常情況下金融平臺讓用戶放棄注冊的原因還在于，注冊流程繁雜、信任問題、無匹配的理財產(chǎn)品等，所以在完成了注冊按鈕的文案測試時，我們還需要在這些方面也進行想要的實驗。

今天的文章，我們通過分析今日頭條，向大家展示了 A/B 測試的強大功效，采用 A/B 測試不僅能夠在眾多方案中選擇出最佳方案，其實更能對產(chǎn)品進行不斷的迭代優(yōu)化，實現(xiàn)用戶留存。

如今，A/B 測試已經(jīng)滲透到運營工作中，運營社也在實際工作中感覺到這個理論真的很好用。

1）當(dāng)有多種方案供選擇，但又產(chǎn)生意見分歧時，可以通過 A/B 測試找出找出最優(yōu)解。比如文章起標(biāo)題、裂變海報文案、以及 App 的 Push 等。

2）看似簡單的 A/B 測試，其實有很多坑：

① 忽略測試環(huán)境差異，沒有進行變量控制（只能有一個變量），造成數(shù)據(jù)偏差；

② 以偏概全，在測試結(jié)果沒有實現(xiàn)理想狀態(tài)下的數(shù)據(jù)提升時，就放棄對產(chǎn)品優(yōu)化，會導(dǎo)致項目前功盡棄；

③ 只進行局部優(yōu)化就忽略對其他部分的調(diào)整更新，無法查找出其他方面的漏洞。

來源：套路編輯部