快速决策方案 —— Airtrack

在一篇文章《动态调整的基础 —— 配置中心》中我们聊了关于Native App 动态化的问题。无疑Native 的动态化能力较Web 要弱很多，很多操作是依赖版本节奏的。这就导致在Native App 上许多决策无法快速验证，对存在不足的逻辑没办法快速修正。受到这些条件的限制，那个唯快不破的铁律在Native App 上遭遇到了尴尬。每一个产品决策会变得异常谨慎，因为一个错误的决策要持续整个版本周期可能被修复。慢慢的我们就会发现，不出错会成为做出决策的重要因素，而有意义却退居二线。

所以具备快速验证和及时修正这两个能力就显得非常重要，打造这样的能力需要一个完整的解决方案。我们认为，这个方案是一个以 A/B 测试为核心，结合周边多个系统能力，共同组成的一个试错平台。在这个平台上，我们的团队，不管是业务方还是工程师，都可以快速应变，不畏惧出错，变得灵动起来。

A/B 测试

说到 A/B 测试，这到底是个什么东西？我个人的理解是：狭隘的说，A/B 测试是以分桶为核心，以依据分桶结果执行不同逻辑为基本原理，以获取最优解为目的一种测试方案。

一般认为，A/B 测试的主要场景有两种：对比实验和灰度发布。

对比实验

所谓对比实验，就是同一时间执行两套甚至多套方案，通过对比反馈数据，对这些方案作出评价。

灰度发布

灰度发布则是，某个新功能或版本正式发布前，先圈一部分人作为小白鼠，试用这个功能或版本。我们从稳定性，业务效果等多方面观察这部分试用者的反应，对这个新功能或版本作出评价。

不管是对比实验还是灰度发布，最终目的都是期望只是发布带来的效果最大化。

体系

一个单一的A/B 测试框架并不能帮助我们达成目的，还需要诸多周边能力辅助。要实现丰富的分桶条件，需要设备和用户的信息收集机制；要实现线上逻辑实时调整，要Native 逻辑动态化方案；要实现动态调整分桶逻辑，需要分桶条件下发系统；实现观察对比实验结果，需要数据收集和分析平台，等等。

在天猫，我们整合各方能力搭建了一个称为 AirTrack的试错平台。在 AirTrack 平台上动态实验条件，实时运算 SDK 和数据收集和反馈平台三部分是重中之重。

动态实验条件

在传统的 Web A/B 测试中，实验条件的计算和分桶逻辑执行都在后端完成，具有非常好的动态性，可以随时发布随时生效。在 Mobile 场景下，很多时候我们惯性的延续这种思路，把这些逻辑放在后端，通过 API 吐出不同的数据来控制 App 端的不同形态。这种方式固然有很好的动态性，但一个致命问题在于，这样的设计依赖数据 API，只能用于数据层面的实验。

我们认为数据 API 在 Mobile 场景中仅仅占一小部分，而我们要建设的是一个代码级别的 A/B 测试框架，必然不能依赖数据 API，而是要具备在端上完成此前后端承担的全部工作。具体的说，就是我们需要在 App 端实时运算实验条件和执行分桶逻辑。所有的逻辑都在 App 端，那么动态化的问题怎么解决？幸好我们具有成熟的基础设施建设，可以通过配置中心实现实验条件动态化。

我们把实验条件的数据结构设计为一棵树。根节点是运算起点，非叶子节点是一个逻辑表达式，叶子节点都是实验条件运算的结果。

通过一段 JSON 描述这棵实验条件树，再利用配置中心的动态能力把数据动态下发到端，从而实现了实验条件动态化。

{
  "name": "demo",
  "expired": 1458403200,
  "tree": {
    "prop": "device.version",
    "op": "eq",
    "val": "9.0",
    "son": [
      {
        "prop": "device.city",
        "op": "in",
        "val": " 杭州市, 北京市, 上海市 ",
        "son": [
          {
            "per": [
              0.33,
              0.33
            ],
            "son": [
              {
                "node": 1
              },
              {
                "node": 2
              },
              {
                "node": 3
              }
            ]
          }
        ]
      }
    ]
  }
}

实时运算SDK

App 端的业务代码调用 AirTrack SDK，初始化一个 AirTrack 实例，指定该实例需要进行的实验名称，把需要加入实验的若干逻辑注册到这个实例中。AirTrack 实例在执行阶段，根据实验名称，通过配置中心获取实验条件，从条件树的根节点开始计算，最终找到一个叶子节点，通过叶子节点中携带的信息定位到需要执行的实验逻辑，并执行该逻辑。从而完成整个实验过程。

在条件树的 Demo 中我们可以看到非叶子节点有两种类型

• 带属性的运算
• 哈希运算

带属性的运算，利用了天猫状态中心的数据能力，通过条件节点中指定的状态名称获取状态中心中的当前属性值，与给定值进行运算符指定的运算，当运算结果为真，则落入左子树，假，落入右子树。

哈希运算，则是使用设备 ID，条件名称和当前节点深度三个因素组合成一个因子，并对该因子进行 0-10,000 的哈希，通过哈希结果可知当前设备落入那一段区间内。根据给定的子节点和比例关系决定落入哪一棵子树。

数据收集和反馈平台

在天猫 App 中有一套成熟的数据采集 SDK，数据以界面为线索被收集并同步到后端。我们对这个收集 SDK 进行一些改造，在 AirTrack SDK 中自动调用数据采集接口，把执行结果的分桶信息写入埋点。

根据数据采集收集的日志，我们有一套完整的以页面为线索的数据分析平台。在这个平台上我们可以看到页面维度的全部信息，除了 PV，UV，点击率等常规数据，该页面的入口和出口流量，转化率等等。

而我们对 A/B 测试数据的要求也正是这些，所以我们对数据分析平台改造支持分桶统计，可以平行看到各个分桶的数据。

实践

配置灰度发布

之前我们说 A/B 测试的两个主要场景之一是灰度发布，配置中心是一个典型场景。修改一份配置后，需要对这次变更进行灰度发布，以求安全稳定。

我们预先定义若干灰度方案，每一个灰度方案就是一份 A/B 测试的实验条件。例如，我们有一份实验条件是：

• 第一个 20 分钟生效 10%
• 第二个 20 分钟生效 50%
• 第三个 20 分钟生效 80%

通过 1 个小时的灰度逐步上线。在灰度过程中，我们可以在数据监控平台上实时发现问题，随时终止灰度进程。如果一切正常，那么这个变更就会自动全量发布。

首页模块对比测试

在天猫App 的首页上有很多坑位，我们会在坑位变更中，使用了对比测试方案。

在某次变更中，首先切20% 的流量作为样本，把样本五五开，10% 执行旧逻辑，10% 执行新逻辑，在线上试运行两天。根据反馈的数据显示，我们对比两个坑位的转化率和展示效果，发现新坑位效果并没有达到预期。所以撤回新方案，并实施改造，再次上线对比实验，直至达到预期效果。

在整个决策过程中，花费了1 周时间。然而这样的决策在没有试错平台的情况下，需要跨越一个甚至更多个版本。

个性化弹窗

在实施A/B 测试的过程中，发现这个平台除了处理以上的两个场景，还可以有更多功能。甚至可以在常规业务中发挥效果。

大家经历过天猫App 首页的红包雨，擦雾霾等功能。这是一个独立的弹窗系统支持的，然而这个系统并没有很好的解决在什么条件下出现弹窗这件事。最初的方案只是分时间段弹窗，也就是说，弹窗有一个生效队列，到了某个时间点某个界面一定会弹出某个框。

我们希望弹窗逻辑可以更加聪明，能根据设备和用户信息个性化的出现。这个需求刚好与AirTrack 所提供的能力契合，A/B 测试并不一定要决定好坏，做出决策，当然也可以支持个性逻辑区分。我们使用AirTrack SDK 的配置，把不同的弹窗条件单做桶来看待。通过动态配置AirTrack 的分桶逻辑，并指定弹窗桶号来实现了这个个性化弹窗的需求。

以上就是我们在天猫App 上最主要的三个实践场景。天猫在A/B 测试领域的探索刚刚开始，我们相信随着探索的深入，A/B 测试一定可以在App 开发和维护中衍生出更加强大的能力，起到越来越重要的作用。

感谢徐川对本文的审校。

给InfoQ 中文站投稿或者参与内容翻译工作，请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博（ @InfoQ ， @丁晓昀），微信（微信号： InfoQChina ）关注我们。