智能预测性A/B测试制造技术

一种A/B测试系统适于包括用户相关性引擎和A/B测试曝光模块。A/B测试系统包括A/B测试服务器，该A/B测试服务器向产品的用户提供至少一个A/B测试并收集和分析一个或多个A/B测试的结果以确定成果。用户相关性引擎基于用户对产品的活动水平将用户聚类为行为聚类。行为聚类包括至少高参与度用户和低参与度用户。针对高参与度用户和低参与度用户的一个或多个A/B测试的结果被关联，以识别至少一个高参与度用户和至少一个低参与度用户之间的相关性。A/B测试曝光模块基于识别出的相关性将A/B测试曝光分配给至少高参与度用户，以优化一个或多个A/B测试之间的A/B测试曝光。

【技术实现步骤摘要】
【国外来华专利技术】

本公开中阐述的示例涉及a/b测试。更具体地，但不是借由限制，本公开描述了用于将用户相关性与a/b测试评估相结合以减少a/b测试的运行时间并增加统计显著性的数据收集的技术。

技术介绍

1、a/b测试是包括具有a和b两种变体的随机实验的用户体验研究方法。a/b测试比较随机显示给用户的单个变量(例如，社交媒体应用的页面)的两个或多个变体，以典型地测试受试者对变体a比变体b的响应，并确定两个变体中哪一个更有效。变体a可能是目前所使用的版本并因此形成了一个对照组，而变体b在某些方面相对于变体a被修改。例如，变体可以包括用于在线网站特征的变化的复制文本、布局、图像和颜色。统计分析用于确定哪个变型针对给定的转换目标执行得更好。a/b测试通常用于了解与在线特征(例如，新特征或产品)相关的用户参与度和满意度，并且这样的测试的结果被评估，以使用户体验更加成功。

技术实现思路

【技术保护点】

1.一种向产品的用户提供与至少一个新产品特征相关的A/B测试的方法，包括：

2.根据权利要求1所述的方法，其中将针对所述高参与度用户和低参与度用户的至少一个A/B测试的结果相关联包括将所述至少一个A/B测试的结果应用于所述以下相关性模型中的至少一个：因子化行为度量的用户向量、测试反应相似性、测试曝光相似性图、用户聚类之间的对应性、或相似性和对应性。

3.根据权利要求1所述的方法，其中将针对所述高参与度用户和低参与度用户的至少一个A/B测试的结果相关联包括：确定至少一个高参与度用户和至少一个低参与度用户之间的相关性距离，将所述相关性距离与阈值距离进行比较，并且当所述...

【技术特征摘要】
【国外来华专利技术】

1.一种向产品的用户提供与至少一个新产品特征相关的a/b测试的方法，包括：

2.根据权利要求1所述的方法，其中将针对所述高参与度用户和低参与度用户的至少一个a/b测试的结果相关联包括将所述至少一个a/b测试的结果应用于所述以下相关性模型中的至少一个：因子化行为度量的用户向量、测试反应相似性、测试曝光相似性图、用户聚类之间的对应性、或相似性和对应性。

3.根据权利要求1所述的方法，其中将针对所述高参与度用户和低参与度用户的至少一个a/b测试的结果相关联包括：确定至少一个高参与度用户和至少一个低参与度用户之间的相关性距离，将所述相关性距离与阈值距离进行比较，并且当所述相关性距离小于所述阈值距离时出于持续性a/b测试的目的将至少一个高参与度用户和至少一个低参与度用户视为相似。

4.根据权利要求1所述的方法，其中分配针对所述至少一个额外a/b测试的额外a/b测试曝光包括：将针对所述至少一个额外a/b测试的额外a/b测试曝光竞拍给至少高参与度用户。

5.根据权利要求3所述的方法，其中分配针对所述至少一个额外a/b测试的额外a/b测试曝光包括：跨所述至少一个额外a/b测试和跨高参与度用户竞拍所述额外a/b测试曝光。

6.根据权利要求1所述的方法，还包括：将针对高参与度用户和低参与度用户的至少一个a/b测试相关联的结果与现有a/b测试结果进行交叉验证，以证明将针对高参与度用户和低参与度用户的至少一个a/b测试相关联的结果的预测值。

7.根据权利要求6所述的方法，还包括：存储所述至少一个a/b测试的结果，以及存储针对相关联的高参与度用户和低参与度用户的额外a/b测试曝光的结果。

8.根据权利要求1所述的方法，还包括：基于所述至少一个a/b测试的结果来预测相关联用户对所述额外a/b测试曝光的结果。

9.根据权利要求1所述的方法，其中所述至少一个a/b测试涉及滤镜个性化，还包括跟踪滤镜发送和滤镜滑动作为所述至少一个a/b测试的结果。

10.一种a/b测试系统，包括：

11.根据权利要求10所述的测试系统，其中所述用户相关性引擎包括以下相关性模型中的至少一个：因...

【专利技术属性】
技术研发人员：阿纳托利·奇克洛夫斯基，道格拉斯·科恩，刘杰，
申请(专利权)人：斯纳普公司，
类型：发明
国别省市：