杠杆|A/B 测试：以变应变，给用户更好的体验“宠爱” 机器人|仓储|红杉中国|箱式|供

编辑导语：数据分析是推动决策的重要环节之一，而若想让数据真正地产生价值，则可能需要基于一定的运营框架，形成业务价值输出闭环，进而推动后续优化迭代，提升用户的产品使用体验。本篇文章里，作者结合实际经验，基于企业运营框架SDAF做了一次A/B测试与用户行为相结合的实践梳理，不妨来看一下。

文章插图
伴随着企业数字化转型进程的加速及用户行为分析理念的深入，各种各样的数据分析模型，比如事件分析、漏斗分析、留存分析等，早已成为企业日常运营不可或缺的“小助手”。
作为大数据分析与营销科技服务提供商，在我们过去服务客户的过程中，逐渐意识到，数据分析只是企业数字化转型过程中的一环，要想让数据真正对企业产生价值，应该将基于数据流的决策、行动与反馈统统加入进来，也就是基于数据流的企业运营框架 SDAF，即 Sense（感知）、Decision（决策）、Action（行动）、Feedback（反馈），形成一个完整的业务价值产出闭环。
当我们进一步思考，为什么 SDAF 是个环，而且是多个持续不断的环呢？
这时候我们会发现，这是因为普遍存在两个痛点：一是目标不精确，可能会导致行动失准、产出失效；二是手段不精确，可能会导致最终产出小于投入。这不仅是因为我们自身的认知有限，用户本身也十分“善变”。
也正是因此，我们希望将 A/B 测试与用户行为分析结合，带来应对用户变化的解决方案，最大化提升价值产出与效率，持续优化、持续迭代，给用户带来更好的体验“宠爱”。

文章插图
那么，我们如何应用行为分析和 A/B 测试，达到良好融合、最大化提升价值产出的效率呢？用通俗的话语进行描述，那就是：“像投资人一样找杠杆，像科学家一样做试验。”而要找到杠杆，首先得理解我们的目标是什么。如果从用户行为的角度来描述目标，可以分为一次性行为和周期性行为。
一次性行为：我们希望用户尽可能发生单个目标行为，且这类行为通常非常关键，可以为后续的产品使用打下坚实基础，常见如用户注册、首单支付、实名认证等等。这类行为对应着我们的业务目标是“转化”，即让更多用户沿着正确路径达成目标事件。
周期性行为：我们希望用户尽可能多次发生某个行为，或者发生的程度更深，通常是体现产品核心价值的行为，常见如支付订单、浏览内容等等。这类问题通常对应的业务目标是“参与度”或“留存”，即让用户更多更深入地做某件事情。

文章插图
接下来我们将基于 SDAF 闭环运营框架，详细为大家介绍 A/B 测试与用户行为相结合的应用实践。
一、Sense：使用行为分析模型，感知用户行为对于用户的一次性行为，我们的业务目标是让更多的用户沿着正确的路径做某个事情。可以通过以下模型进行观测：

漏斗分析：严格规定的路径上，用户流失情况如何？
路径分析：用户群体的实际行为路径如何分流？
行为序列：用户个体的实际行为路径如何跳转？

对于周期性的行为，我们的业务目标是让用户更多更持久地做某件事，并形成习惯。可以通过以下模型进行观测：

留存分析：用户行为的发生在时间上的持续性如何？
分布分析：用户行为的发生频次（强度）如何？

二、Decision：基于观测数据，正确使用数据做决策只有数据是很难产生价值的，所以完成了 Sense 之后，需要做进一步的解读与决策。我将数据应用总结为以下三点：