Resurssit · 26

Suorita A/B-koe, joka tukee järkevää päätöstä.

Määritä hypoteesi, määritys, ensisijainen mittari ja suojakaiteet ennen varianttien vertailua.

Päivitetty · 6 min

Kuvitteellinen tyhjä mittauslaboratorio: kaksi samanlaista mustaa laitetta, messinkivalaisin ja viininpunainen muistikirja Tekoälyllä luotu toimituksellinen kuvitus

Mitä tämä opas auttaa saavuttamaan

  • Protokollan ennakkorekisteröinti
  • Tehtävän määrityksen tarkistaminen
  • Kaiteiden tarkkailu
  • Päätöksen tekeminen epävarmuudella

Pikatarkistus

  • Mikä tarkka hypoteesi voitaisiin kumota?
  • Mikä yksikkö saa variantin?
  • Vastaako havaittu allokaatio suunnitelmaa?
  • Mikä haitta oikeuttaa tauon?
  • Asetettiinko kesto ja segmentit ennen tulosten näkemistä?

Vaiheittainen menetelmä

  1. 1

    Ilmoita ehdotettu muutos

    Kirjoita odotettu mekanismi, kohderyhmä ja vaikutus yhteen ensisijaiseen mittariin. Kuvaile mahdolliset esteettömyys- ja palveluriskit.

    Tuotos: päivätty hypoteesi ja onnistumiskriteerit.

  2. 2

    Määrittele tehtävän määrittäminen

    Valitse satunnaistamisyksikkö ja pidä tehtävän määrittäminen vakaana eri käyntien välillä. Sulje pois botit ja määritä soveltamisalan ulkopuoliset segmentit ennen julkaisua.

    Tuotos: tehtävän määrittämisprotokolla ja poikkeukset.

  3. 3

    Instrumentti ja testaus

    Altistumisen, muuntamisen ja suojakaiteen tapahtumien tarkistaminen molemmille varianteille. Mobiililaitteen testaus, suostumuksen epääminen ja virhetilat.

    Tuotos: Molempien matkaen laadunvarmistustiedot.

  4. 4

    Otossuhteen tarkistaminen

    Havaittujen ja odotettujen allokaatioiden vertailu ennen käsittelyvaikutuksen lukemista. Epäsuhta voi paljastaa kohdistus-, mittaus- tai kohdentamisvirheitä.

    Tuotos: suhdeluvun tarkistus ja ristiriitaisuuksien diagnosointi.

  5. 5

    Analysointi suunniteltuun aikaan

    Valitun ikkunan noudattaminen ja epävarmuuden, ensisijaisen mittarin, haittojen ja suunnitellun segmentin analyysin raportointi. Yllätysten tarkastaminen ilman, että valitaan vain suotuisaa lukua jälkikäteen.

    Tuotos: analyysi rajoituksilla ja epävarmuudella.

  6. 6

    Päätöksenteko ja seuranta

    Käyttöönoton, hylkäämisen tai toisen testin omistajan määrittäminen. Käyttöönoton jälkeen vaikutuksen ja suojakaiteiden yhdenmukaisuuden tarkistaminen.

    Tuotos: Arkistoitu päätös ja käyttöönoton jälkeinen tarkistus.

Johdon indikaattorit

IndikaattoriMitä se mittaaEnsimmäinen toimenpide
TehtäväOdotettu vs. havaittu otossuhdeDiagnosointi ennen analyysia
AltistuminenTodellisuudessa altistuneet kelvolliset käyttäjätKorjauksen kohdentaminen
VaikutusEnsisijaisen mittarin muutos ja epävarmuusSuunnitellun päätössäännön soveltaminen
KaiteetVirheet, latenssi ja hylkääminen varianttikohtaisestiHaitallisen käsittelyn keskeyttäminen

Yleisiä virheitä

  • Pysäyttäminen, kun luku näyttää aluksi suotuisalta
  • Useiden mittareiden kerääminen ilman ensisijaista mittareita
  • Otossuhteen epäsuhdan huomiotta jättäminen
  • Pienen segmentin käsittely yleisenä todisteena

Usein kysytyt kysymykset

Onko otossuhde pieni muodollisuus?

Ei. Selittämätön epäsuhta voi tehdä vertailusta epäluotettavan.

Pitäisikö muunnos tarkistaa päivittäin?

Toiminnan seuranta auttaa, mutta keston tai päätössäännön muuttaminen tulosten perusteella heikentää suunniteltua tulkintaa.

Entä jos tulos on epävarma?

Raportoi epävarmuus ja uskottava vaikutuskoko ja päätä sitten, onko toisella kokeella todellista arvoa.

A/B-jako: tiedot ja SRM

Tämän kieliversion tarkemmat lähdekuvaukset ovat englanniksi.

A conversion difference becomes difficult to interpret when compared groups no longer match the assignment plan. Sample Ratio Mismatch (SRM) is a data quality signal: investigate allocation before evaluating the product change. This dossier connects calculation, instrumentation and decisions without treating a p-value as overall validation of an experiment.

In 2020 Microsoft Research describes four stages where SRM can arise and an ExP reference threshold p < 0.0005 using a chi-squared test. The educational CIE reader below uses a two-sided exact binomial test for two 50/50 groups. It does not reproduce ExP’s algorithm; the historical threshold is illustrative, not a universal standard.

Microsoft Research · Diagnosing Sample Ratio Mismatch · Published 2020-09-14 · consulted 2026-10-23

Four places to investigate a counting discrepancy

Four places to investigate a counting discrepancy
Stage documented by ExPCIE review questionOriginal practical investigation
AssignmentCheck the unit and rule that assign each participant.Replay the same identity across visits; compare configuration versions and change times. A reassigned unit no longer represents two independent observations.
ExecutionCompare what each variant actually allows to execute.Reproduce redirects, incomplete loading, errors and cancellation. Record when exposure is logged and whether the variant changes that moment.
Log processingReconcile inputs, exclusions and joins.Count units before and after each transformation. Check missing keys, duplicates, bot filters and telemetry loss by group.
AnalysisExamine the population retained for comparison.Compare the assigned population with the analysed subset. A filter triggered by an action available only in B selects a population affected by treatment.

Define what the two counts represent

Define what the two counts represent
Reader assumptionConsequence for interpretation
Two mutually exclusive variantsCount each unit once, in A or B. Repeated page views or events are not distinct participants.
Fixed 50/50 allocationEvery unit has the same probability of assignment to A and B. A 90/10 allocation, changing ratio or enforced quota needs a different model.
Independent trialsUnits linked through an organisation, household or reassignment can violate the binomial model. Choose the unit in the protocol.
Fixed window and filtersCompare the same interval and deduplication and eligibility rules. Do not adapt exclusions to obtain a desired result.
Bounded aggregate countsAccept 0 to 5,000 units per arm, at most 10,000 overall. This is an interface limit, not a minimum statistical power requirement.
Quality check onlyThe reader computes neither effect, conversion, power nor required sample size. A result without an SRM signal does not establish causality.

NIST/SEMATECH · Binomial distribution · e-Handbook §1.3.6.6.18 · consulted 2026-10-23

50/50-jaon lukija

Enter the two observed counts or load a fictional example. This checks allocation, not conversion counts. Calculation stays in the browser, without transmission, storage, import or export.

Under H₀, X follows Binomial(N, 0.5), with N = A + B and k = min(A, B). The reader computes p = min(1, 2 × Σᵢ₌₀ᵏ C(N,i) / 2ᴺ). This doubles the smaller tail, valid here by 50/50 symmetry. Sums are evaluated in logarithms to retain very small probabilities; displayed values are rounded.

A p-value describes how this allocation compares with the assumed model; it is not the probability that the experiment is valid or that a bug exists. A small value does not locate the cause. A large value does not establish error-free data. Repeated checks and multiple segments change false-alert control: define a suitable monitoring rule before operational use.

Eight educational examples readable without JavaScript

R01 · Two balanced groups
Two balanced groups
Count ACount BExpected reading
5050p = 1 under the model. This checks neither instrumentation, conversion nor causality.
R02 · 60/40 across ten units
60/40 across ten units
Count ACount BExpected reading
64p = 0.75390625. A visibly different ratio alone does not establish a signal at this small sample size.
R03 · Same ratio, hundredfold sample
Same ratio, hundredfold sample
Count ACount BExpected reading
600400The ratio remains 60/40, but the p-value becomes very small. Sample size changes statistical interpretation.
R04 · One empty arm, ten units
One empty arm, ten units
Count ACount BExpected reading
010p = 0.001953125 remains above the illustrative 0.0005 threshold. No alert at this threshold does not certify both arms are working.
R05 · One empty arm, twenty units
One empty arm, twenty units
Count ACount BExpected reading
020p = 0.0000019073486328125: a signal under the reference threshold. Investigate before interpreting an effect.
R06 · No observed units
No observed units
Count ACount BExpected reading
00No p-value: no observations. Show unavailable data rather than a reassuring result.
R07 · Extremely small probability
Extremely small probability
Count ACount BExpected reading
50001Displaying log₁₀(p) avoids presenting numerical rounding to zero as a mathematical impossibility.
R08 · Leading space is not repaired
Leading space is not repaired
Count ACount BExpected reading
5050Input rejected. The reader accepts only ASCII integers from 0 to 5,000, without spaces, signs, separators or redundant leading zeros.

Before resuming effect analysis

Before resuming effect analysis
Suggested checkRecord or result to retain
TimelineDiscrepancy onset, assignment versions, deployments and collection changes.
Stage countsAssigned, exposed and analysed counts; differences explained using the same unit.
IdentitiesEvidence of unit stability and explicit treatment of duplicates, session changes and sign-ins.
TelemetryComparable events, delivery errors and losses by variant, device and version.
FilteringEligibility and exclusion rules, with their position before or after treatment.
DecisionSupported cause, fix, still-usable period or new experiment, owner and review date.

Avoid artificially balancing groups by deleting observations to remove an alert. Reconstruct the data path first. An effect metric, guardrails and uncertainty remain necessary after repairing counts. In the final brief, separate the statistical signal, demonstrated cause and product decision.

Sources, editions and credits

Sources: Microsoft Research, article dated 14 September 2020; NIST/SEMATECH, binomial distribution §1.3.6.6.18. Questions, recipes and eight cases are CIE educational material, not results from real experiments. No institutional chart, logo or visual is reproduced.

Microsoft Research · Diagnosing Sample Ratio Mismatch · Published 2020-09-14 · consulted 2026-10-23

SHA-256 : d28a6a66b3f1d014f3aafce6c0239b6a6477049b2d4582f06f4d6aaae651ee75

NIST/SEMATECH · Binomial distribution · e-Handbook §1.3.6.6.18 · consulted 2026-10-23

SHA-256 : d899609cde11a15ebd745f6313931da10e9511a0dff64f39b027e5b9ad103ad8

Viralliset viitteet

Viitteet tukevat menetelmää. Sovita tarkastukset kontekstiisi; ne eivät ole sertifiointia. Alkuperäiset viitteiden otsikot ja lähdeasiakirjat voivat olla toisella kielellä.

Lähteet tarkistettu .