近日，火山引擎AB測試與智能優化平臺DataTester，對其MAB(Multi-armed Bandit)功能進行了升級，以更好地滿足企業營銷決策的需求。MAB是一種通過不斷嘗試不同的選擇來找到最優決策的算法，廣泛應用于營銷領域。DataTester的MAB功能已經在內部和外部得到了成功的驗證。此次升級后，該功能將更加符合業務使用場景，幫助企業更快地找到最佳的營銷策略。

　　在營銷活動中，落地頁是用戶點擊廣告后進入的頁面，是營銷活動的重要環節之一。MAB算法可以通過動態調整進入到各個落地頁的流量，從而提高轉化率和投資回報率。

　　DataTester的MAB功能在設計之初就考慮到了實際應用場景。如果活動的投放落地頁很多，同時活動周期比較短，需要快速引來更多的流量完成支付轉化，那么MAB是合適的。如果活動會持續較長時間，想先用流量測試落地頁方案，則選用傳統的AB實驗合適。

　　通過MAB算法，動態調整進入到各個落地頁的流量，轉化率高的落地頁將拿到更高的流量。因此，在最終整體收益上，會超越每個方案隨機分流量。這部分就是MAB動態調優的超額收益。

　　在正式開啟調優之前，業務團隊需要完成流量方案的設計。明確目標需要明確營銷活動的目標，例如提高轉化率、提高用戶留存率、提高下單率等;設計實驗在確定策略后，就可以具體設計不同的落地頁版本，測試不同策略的效果。

　　在火山引擎DataTester產品中，針對落地頁可選擇的調優場景為「可視化優化」和「多鏈接調優」兩種場景，如果落地頁變化內容較少、研發資源緊張，「可視化優化」可以快速生成不同的落地頁版本測試;如果已經有設計好的落地頁，那么可以使用「多鏈接調優」。

　　MAB智能調優實驗創建頁面

　　MAB智能調優實驗的創建也非常簡單，根據實驗設計方案將基本的信息依次按照提示創建好后，就可以將不同的營銷落地頁的url輸入在不同的實驗版本中，調優開始后，DataTester將會按照不同落地頁的轉化，動態調整流量。

　　MAB智能調優實驗創建頁面

　　當調優開始后之后會看到哪些數據呢?

　　常規實驗更關注的是優勝組的選擇，而MAB實驗相更關注的是，整個實驗期間整體核心指標達到最優，所以實驗報告首先會關注整體收益的情況。比如落地頁的核心調優指標為App的啟動轉化，那么報告中會呈現整個調優過程中MAB相對于AB實驗，到底提高了多少收益。

　　智能調優實驗整體收益提升折線圖

　　除整體收益提升外，企業通常還需要觀察一些明細數據。DataTester同時提供了核心指標明細表、核心指標明細圖和實驗流量分配圖，便于分析更多內容。比如下圖，核心指標絕對趨勢圖中，版本指標之間的大小關系對應到流量分配圖上的流量分配，該時刻核心指標越大的版本，會在流量分配圖上呈現越多的流量。

　　核心指標明細絕對趨勢圖

　　實驗流量分配趨勢圖

　　“核心指標明細絕對趨勢圖”顯示了不同實驗版本在各時間點的表現，有助于發現哪個版本在整體表現上更優秀;“實驗流量分配趨勢圖”則展示了各版本在不同時間點的流量分配情況，這有助于了解哪些版本更受用戶歡迎。通過這些數據企業將可以更好地理解用戶需求和市場變化，從而制定更有效的營銷策略。

　　此次DataTester升級后的MAB功能，將為企業營銷決策提供更強大的支持，幫助企業快速找到最佳的營銷策略，實現更高的投資回報率。

　　據了解，火山引擎DataTester源自字節跳動AB實驗的長期沉淀，2023年中數據顯示，字節已通過DataTester累計做過240萬余次AB實驗，日新增實驗 4000余個，同時運行實驗5萬余個。DataTester目前服務了包括美的、得到、博西家電、凱叔講故事等在內的上百家企業，為業務的用戶增長、轉化、產品迭代、運營活動等各個環節提供科學的決策依據，將成熟的“數據驅動增長”經驗賦能給各行業。(作者：唐明)