對C端產(chǎn)品而言,產(chǎn)品的每一個細節(jié)設置都或多或少影響著用戶的產(chǎn)品體驗,本文介紹字節(jié)跳動的A/B實驗文化的同時,也將分享抖音設計團隊通過火山引擎A/B測試 DataTester 實現(xiàn)產(chǎn)品優(yōu)化的案例。
該實驗最初來源自抖音UI團隊一位設計同學提出的想法:用戶刷短視頻的時候會有一定的視覺疲勞——“是否可以通過視頻蒙層讓文字更加清楚,讓用戶瀏覽視頻不再費眼,使用體驗更好?”
(資料圖)
其實,這個設想在產(chǎn)品上的改動非常簡單,調(diào)整兩個參數(shù)就可以改善視頻文案整體的突出程度,一個參數(shù)是蒙層,另一個參數(shù)是蒙層的透明度。兩個不同蒙層的產(chǎn)品版本,成為了 DataTester 中A/B實驗的實驗組和對照組,UI設置如下圖:
實驗結(jié)果非常驚喜,DataTester 的實驗數(shù)據(jù)顯示“文字更加突出”組的用戶停留時間更長,抖音的人均App使用時長顯著增加了0.2%,這個數(shù)據(jù)對于用戶量數(shù)以億計的抖音而言,是一個較大的提升,最終該策略也決定推全上線。
在抖音里面,像這樣的小改動撬動大收益的創(chuàng)新非常多,而這些細節(jié)全部都是通過A/B實驗精打細磨,最終找到的最優(yōu)方案。在這背后除了有完善的實驗平臺 DataTester 支撐之外,也有字節(jié)傳承下來的實驗理念和文化。
字節(jié)跳動的A/B實驗文化提倡:“決策與改動要用置信結(jié)果來說話,產(chǎn)品決策從不自嗨?!被谶@個理念,產(chǎn)品經(jīng)理們即使得到了實驗驗證,在日常的產(chǎn)品更新改動上,也不會“唯數(shù)據(jù)論”,還會繼續(xù)通過對用戶的理解、對業(yè)務的判斷、合理的數(shù)據(jù)拆解來進行解讀。
當從A/B實驗中得到結(jié)論后,再通過大量實驗沉淀下來的經(jīng)驗反哺業(yè)務、加深對業(yè)務過程的理解和洞察,在業(yè)務實踐的過程中不斷積累更多的業(yè)務經(jīng)驗。
從企業(yè)收益的角度看,A/B測試不僅可以激發(fā)創(chuàng)新,讓企業(yè)在小步快跑的同時,獲得收益上的提升。而像DataTester 這樣完善的A/B實驗平臺,還能幫助企業(yè)顯著提升人效,大幅降低試錯成本。此外,當每個決策都能通過A/B實驗來量化收益時,對企業(yè)管理而言,A/B測試也成為了一種穩(wěn)定、效果可量化的賦能手段。
作為助力企業(yè)科學決策的A/B測試平臺,火山引擎DataTester 目前服務了包括美的、得到、凱叔講故事等在內(nèi)的上百家外部企業(yè),為業(yè)務的用戶增長、轉(zhuǎn)化、產(chǎn)品迭代、運營活動等各個環(huán)節(jié)提供科學的決策依據(jù),將成熟的“數(shù)據(jù)驅(qū)動增長”經(jīng)驗賦能給各行業(yè)。(作者:許文)