Title: 核心概念
Locale: zh
URL: https://sensorswave.com/docs/experiments/core-concepts/
Description: 深入理解 A/B 实验的工作原理和核心概念
深入理解 A/B 实验的核心概念，有助于您设计更科学的实验、正确解读实验结果，并避免常见的陷阱。本文将详细介绍实验的基本组成、分流机制、曝光日志和实验状态。

## 实验的基本组成

一个完整的 A/B 实验包含以下核心元素：

### 实验标识

**实验 Key**（Experiment Key）：
- 代码中使用的唯一标识符
- 命名规范：使用下划线连接，例如 `cart_button_color_test`
- 一旦创建不可修改，保持稳定性

**显示名称**：
- 控制台显示的友好名称，例如"购物车按钮颜色实验"
- 可以随时修改，不影响代码

**描述**：
- 实验的详细说明，包括背景、目的、预期效果
- 帮助团队成员快速了解实验内容

### 假设

明确的实验假设是科学实验的基础：

**好的假设示例**：
- "红色按钮比蓝色按钮能提升 10% 的点击率"
- "简化为 3 步的结账流程能将支付转化率从 20% 提升到 25%"
- "深度学习推荐算法比协同过滤算法的点击率高 15%"

**差的假设示例**：
- "红色按钮更好"（缺少量化指标）
- "新流程能提升转化率"（没有具体提升幅度）
- "用户更喜欢新设计"（难以衡量）

### 变体组

变体是实验中的不同方案，通常包括：

**对照组**（Control Group）：
- 当前使用的方案，作为基准
- 通常命名为 `control`
- 用于对比实验组的效果

**实验组**（Treatment Group）：
- 新的方案，需要验证的版本
- 可以有一个或多个实验组
- 通常命名为 `treatment`、`treatment_v2` 等

**多变体实验示例**：
```
定价策略实验：
- 对照组 (control)：¥299
- 实验组 A (treatment_a)：¥249
- 实验组 B (treatment_b)：¥199
```

### 流量分配

流量分配决定每个变体获得多少用户流量：

**双变体实验**：
```
对照组：50%
实验组：50%
```

**多变体实验**：
```
对照组：34%
实验组 A：33%
实验组 B：33%
```

**保守策略**（新功能风险较高时）：
```
对照组：70%
实验组：30%
```

---

## 分流机制

分流机制决定了如何将用户分配到不同的变体，这是 A/B 实验的核心。

### 分流 ID

Sensors Wave 支持两种分流 ID：

#### Login ID（登录 ID）

**定义**：用户登录后的唯一标识符，通常是业务系统中的用户主键。

**特点**：
- 跨设备一致：同一用户在不同设备上看到相同的变体
- 长期稳定：用户注销再登录，依然看到相同的变体
- 适用场景：需要用户登录的应用（电商、SaaS、社交等）

**示例**：
- 用户 ID：`user_12345`
- 自定义账号名：`zhangsan`

**推荐使用**：对于需要用户登录的产品，优先使用 Login ID 分流，确保用户体验一致。

#### Anonymous ID（匿名 ID）

**定义**：标识用户设备或浏览器的唯一 ID，在用户首次访问时由 SDK 自动生成。

**特点**：
- 设备级别：标识单个设备或浏览器
- SDK 自动管理：无需手动设置
- 清除数据后重新生成：用户清除 Cookie 或应用数据后，会生成新的匿名 ID

**存储方式**：
- Web：存储在 Cookie 中
- iOS：存储在 KeyChain 或生成 UUID
- Android：使用 Android ID 或生成 UUID

**适用场景**：
- 未登录用户
- 公开网站或内容平台
- 落地页测试

#### 混合策略

对于既有登录用户又有匿名用户的应用，Sensors Wave 自动采用混合策略：

- **已登录用户**：使用 Login ID 分流
- **未登录用户**：使用 Anonymous ID 分流
- **登录前后**：用户登录后，实验分配可能会改变（从基于 Anonymous ID 的分配切换到基于 Login ID 的分配）

**注意**：为了避免用户登录前后看到不同的实验变体，建议在重要实验中只对已登录用户进行分流。

### 分流算法

Sensors Wave 使用稳定哈希算法进行分流：

```
变体索引 = hash(user_id + experiment_key) % 100
```

**算法特点**：

1. **稳定性**：同一用户在同一实验中，无论何时访问，都会分配到相同的变体
2. **均匀性**：流量在各变体之间均匀分布
3. **独立性**：不同实验的分流相互独立，同一用户在不同实验中可能分配到不同的变体

**分流示例**：

```
用户 A (user_001) 在实验 cart_button_color_test 中：
  hash("user_001" + "cart_button_color_test") % 100 = 23
  23 = 50，分配到实验组
```

### 流量粘性

**定义**：用户一旦被分配到某个变体，在实验期间会一直保持在该变体中，即使实验配置发生变化。

**重要性**：
- 确保用户体验一致，避免混乱
- 保证实验结果的可靠性
- 防止同一用户多次切换变体影响数据

**注意事项**：
- 实验运行期间，不要修改流量分配比例
- 如果必须修改，建议停止当前实验，创建新实验

---

## 曝光日志（$ABImpress）

曝光日志记录用户命中实验的信息，是实验分析的基础数据。

### 自动记录

SDK 在以下情况自动记录 `$ABImpress` 事件：

**JavaScript SDK**：
```javascript
// 调用 getExperiment 或 checkFeatureGate 时自动记录
const experiment = await SensorsWave.getExperiment('experiment_key');
// SDK 自动记录 $ABImpress 事件
```

**Go SDK**：
```go
// GetExperiment 自动记录曝光日志
result, err := client.GetExperiment(user, "experiment_key")
// SDK 会自动记录 $ABImpress 事件
```

### 曝光去重

**机制**：同一用户同一实验只记录一次曝光。

**实现方式**：
- SDK 在本地缓存已曝光的实验
- 重复调用 `getExperiment` 不会重复记录曝光

**示例**：
```javascript
// 第一次调用：记录曝光
const exp1 = await SensorsWave.getExperiment('experiment_key');

// 第二次调用：不记录曝光（已去重）
const exp2 = await SensorsWave.getExperiment('experiment_key');

// 用户刷新页面后再次调用：不记录曝光（已去重）
const exp3 = await SensorsWave.getExperiment('experiment_key');
```

### 曝光属性

`$ABImpress` 事件包含以下属性：

```javascript
{
  event: "$ABImpress",
  properties: {
    experiment_key: "cart_button_color_test",  // 实验标识
    experiment_name: "购物车按钮颜色实验",      // 实验显示名称
    variant: "treatment",                      // 分配的变体

    // 用户属性快照（实验分流时的用户属性）
    $os: "iOS",
    $browser: "Safari",
    $city: "北京",
    // ...
  },
  distinct_id: "user_12345",
  time: "2026-01-29 10:30:00"
}
```

### 曝光 vs 转化

**曝光**：用户被分配到实验变体，看到了实验内容。

**转化**：用户在实验中完成了目标行为（如点击按钮、完成支付）。

**转化率计算**：
```
转化率 = 转化用户数 / 曝光用户数
```

---

## 实验状态

实验在生命周期中会经历以下 6 个状态：

### 草稿（DRAFT）

**特点**：
- 实验已创建但未发布，可反复修改配置
- 可以调整变体、流量分配等所有设置
- 代码中无法获取实验配置

**操作**：
- 修改实验配置
- 进入调试模式
- 发布实验
- 删除实验

### 调试（DEBUG）

**特点**：
- 用于测试环境验证，仅特定测试用户可见
- 可以验证实验配置是否正确、变体展示是否符合预期
- 正式用户不受影响

**操作**：
- 返回草稿继续修改
- 确认无误后发布实验

### 运行中（RUNNING）

**特点**：
- 实验正式上线，正在收集数据并进行分流
- 代码中可以获取实验配置
- SDK 自动记录曝光日志

**操作**：
- 查看实验数据
- 发布优胜方案（进入 RELEASED 状态）
- 手动结束实验（进入 FINISHED 状态）

**注意事项**：
- 实验运行期间，尽量不要修改流量分配或变量值
- 如果必须修改，建议停止当前实验，创建新实验

### 已发布（RELEASED）

**特点**：
- 实验达到预期目标后，全量应用选定的优胜变体
- 所有用户都将看到优胜方案，不再进行分流
- 保留实验数据供回顾分析

**操作**：
- 查看实验结果
- 删除实验

**后续工作**：
- 更新代码，将优胜方案固化为默认实现
- 移除实验判断逻辑

### 已结束（FINISHED）

**特点**：
- 实验手动结束，不再收集新数据
- 代码中无法获取实验配置（返回默认值）
- 保留数据用于回顾

**操作**：
- 查看实验结果
- 导出实验报告
- 删除实验

### 已删除（DELETED）

**特点**：
- 实验被标记删除，不再显示在活跃列表中
- 实验配置和数据可能仍在系统中保留一段时间
- 代码中无法获取实验配置

---

## 实验生命周期示意图

```
新建实验
   ↓
[DRAFT] ←→ [DEBUG]
   ↓
[RUNNING]
   ↓
[RELEASED] (应用优胜方案)  或  [FINISHED] (手动结束)
   ↓
[DELETED]
```

---

## 常见问题

### Q：用户每次访问都会分配到不同的变体吗？

**A**：不会。Sensors Wave 使用稳定哈希算法，确保同一用户在同一实验中始终分配到相同的变体。这是流量粘性的体现。

### Q：用户登录前后看到的实验变体会变化吗？

**A**：可能会。如果用户登录前使用 Anonymous ID 分流，登录后切换到 Login ID 分流，分配的变体可能会改变。建议在重要实验中只对已登录用户进行分流。

### Q：同一用户可以同时参与多个实验吗？

**A**：可以。不同实验的分流是独立的，同一用户可以在实验 A 中分配到对照组，在实验 B 中分配到实验组。

### Q：实验运行期间可以修改流量分配吗？

**A**：不建议。修改流量分配会影响已分配用户的变体，破坏流量粘性，导致实验结果不可靠。如果必须修改，建议停止当前实验，创建新实验。

### Q：曝光日志为什么没有记录？

**A**：检查以下几点：
- SDK 是否开启了 A/B 测试功能（`enableAB: true`）
- 实验是否已发布（状态为"运行中"）
- 用户是否满足实验的定向条件
- 是否已经记录过曝光（曝光去重机制）

---

## 相关文档

- [A/B 实验概述](overview.mdx)：了解 A/B 实验的价值和核心能力
- [快速开始](quick-start.mdx)：20 分钟完成第一个实验
- [实验设计](experiment-design.mdx)：学习如何设计科学严谨的实验
- [分流策略](targeting-and-allocation.mdx)：深入理解分流机制

---

**最后更新时间**：2026 年 1 月 29 日