A/B Test
A/B 隨機實驗
A/B 測試會隨機把合格對象分到不同版本。它比較事先選好的指標，估計版本造成的影響。
另一個例子
服務會測試續約提醒時間。它會檢查退訂和客服問題，也會等到預定樣本數。
主要部分
- 01可驗證假說
- 02版本與曝光對象
- 03指標與決策規則
什麼時候用
隨機分組公平、能記錄誰看過哪個版本，而且主要指標有安全檢查時使用。
什麼時候不要用
不要偷看結果再提早停止，也不要忽略多指標修正。分組不能混在一起，也不能測試危險結果。
程式裡的名稱
random assignment + exposure + metric + guardrails 上線前要檢查
檢查目標使用者、想要的成果、目前基準、證據來源、範圍、負責人與成功門檻。列出假設、未解風險，以及下一個測試或決策。
預期成果：用 A/B 隨機實驗 (A/B Test) 做出範圍清楚、有證據支持的產品決策。 使用者情境：服務會測試續約提醒時間。它會檢查退訂和客服問題，也會等到預定樣本數。 要運用的產品概念：A/B 隨機實驗 (A/B Test)。 適用理由：隨機分組公平、能記錄誰看過哪個版本，而且主要指標有安全檢查時使用。 不應使用的情況：不要偷看結果再提早停止，也不要忽略多指標修正。分組不能混在一起，也不能測試危險結果。 產品界定：說明目標使用者與想要的成果。記錄目前基準與支持證據。列出範圍內、範圍外、限制、負責人與決策期限。 決策品質：把事實、假設與未知分開。記錄沒有採用的方案，以及哪些證據會改變目前決定。 驗收條件：文件要列出負責人、目標使用者、可衡量成果和範圍邊界。也要列出證據來源、未解風險和下一個驗證步驟。 證據與限制（證據邊界）：沒有一份官方標準能管到全部內容。不同團隊、平台或框架的用法可能不同。 待確認：目標族群、目前基準、成功門檻、負責人、時間範圍、相依項目與檢查時間。
檢查這份需求
請 AI 程式助手檢查目前如何使用 A/B 隨機實驗 (A/B Test)。 定義：A/B 測試會隨機把合格對象分到不同版本。它比較事先選好的指標，估計版本造成的影響。 正式環境檢查：檢查目標使用者、想要的成果、目前基準、證據來源、範圍、負責人與成功門檻。列出假設、未解風險，以及下一個測試或決策。 修改程式前，先列出看到的證據、缺口、嚴重程度，以及最小且安全的修正。