A/B测试与谷歌内容实验（Google content experiments）-1:基础介绍
我一直认为在网站分析工作中，“统计-分析-测试”代表了对数据不同的运用层次。如果没有测试，某些结论的落地成本或许会变得很高，用数字说话也无从谈起。题外话：《科学的广告》写于100年前，书中不断的强调了测试的作用，值得一读。
最近在工作中开展了一些测试工作，结合之前看的书籍与文档，想系统的写一篇关于测试的文章，但是结果发现一篇有点长，于是拆分了下，这是第一篇。
本文内容：
- A/B测试的原理
- 谷歌内容实验
-
- 简介与原理
-
- 默认使用
-
- 注意问题
1.A/B测试的原理
A/B测试是网站测试中最常用的测试方法。它为某一目标设置不同版本的方案，并将流量进行分离，让不同的人群在测试期间只能看到自己对应的版本，进而通过目标转化率来分析哪个版本方案效果更优。
为了获得明确的测试结果，我们在设计A/B测试时要注意：
- 多个版本的运行要同时，而不是先A后B；
- 不同版本之间的差异不应该过大，测试变量单一；
- 判断测试结果的目标要明确，可量化；
整个测试的逻辑可以简单总结为：
流量分离–>前端展示对应版本–>数据收集–>分析结论；
为了实现这个逻辑，我们需要完成这样的工作：
- 设计一个流量分离的逻辑程序，让新用户随机访问测试版本；并且在整个测试期内一直访问这个版本；
- 我们要对数据进行统计学的判断（置信区间95%）；
上述工作，可以自己开发，也可以利用现有的第三方工具。这里重点介绍下免费的A/B测试工具：谷歌内容实验（Google Content Experiments）。
2.谷歌内容实验
2.1.简介与原理：
谷歌内容实验（Google Content Experiments，下文中我就简称为实验）是在将Google Website Optimizer整合到Google Analytics后推出内容测试产品。它取消了Google Website Optimizer的多变量测试，只提供A/B测试功能，并且提供了测试的API,极大的提高了谷歌内容测试的使用范围。
实验的原理也和之前的A/B测试原理类似，它的流量分离会依据JS+实验cookie来实现，而测试结果，则是依据实验中选择的目标来计算的。因为数据采集是依托GA的采集代码，所以实验JS一定要加在GA的JS之前，保证实验JS先执行。
另外为了提高实验的运行速度，Google会采用一种“多手柄老虎机”实验来分配测试流量，感兴趣可以阅读此文。
2.2.默认使用方案
Google的官方帮助文档对如何开展测试有很详细的解释，在此建议详细的文档，在此不作重复叙述。
1.实验概览：介绍实验的相关概念； 2.如何配置实验：介绍如何在GA后台配置一个实验； 3.常见实验错误检查：介绍一些常见的实验配置与运行中的错误；
2.3.注意问题
在默认使用方法中，要注意GA设置的跨域问题。如果你的ga设置跨了子域，那么需要对实验代码进行修改，进行跨子域设置。具体方法为在实验的JS（从实验后台生成的官方JS）之前，添加后如下：
<script>
_udn = "example.com";
</script>
<!-- Google Analytics Experiment code -->
Contents of the experiment code
<!-- End of Google Analytics Experiment code -->
如果实验代码正常插入并执行，可以利用firebug看到当前域名下会有2个cookie:_utmx和_utmxx。这两个cookie是实验cookie，注意观察下着两个cookie的作用域是否和ga的cookie的作用域一致。如果不一致，则实验不会采集到数据。
如果你想扩展实验的范围，比如对某类商品模板进行测试，这类商品会有N个具体的商品页面，这种情况下该如何设置实验了？或者某个广告在全站都有，如何对广告进行测试？这两个问题就需要用到官方的API来处理了，下篇文章再写。
推荐阅读：
- 上一篇 如何提升Windows使用体验
- 下一篇 杂感