关于“放量”

所谓放量其实就是A/B测试，不过在咱们组内部喜欢叫“放量”。关于放量其实有不少种规则：时间、地区、用户区间、随机放量等。

为何要放量

放量只有在大流量的C端项目中才有这个需求，流量小的产品或者公司内部使用的管理系统一般不须要作放量。

这里衍生出一个问题“为何大流量C端项目须要作放量？”。

以某门户网站为例，假设去年日均PV是二个亿，一年的总收入是30亿人民币。

那么能够推算出，若是不作任何改动的状况下，今年的收入和去年比不会有太多的波动；可是部门给规定的目标一般要高于去年的收入，因此产品须要作一些事情来增长收入。

图1 - 某门户网站简笔画

通过一系列调研与讨论，最终决定把图中红圈的位置作一个改动，但愿这个位置能够获得更好的商业化效果，提高一些收入。

但咱们并不知道这个改动的结果是正面的仍是负面的，若是这个改动上线以后致使了负面效果（用户很讨厌这个改动，疯狂骂咱们），不但没增长收入反而下降了收入，这个后果是很是严重的。

因此咱们一般会作一件事就是“放量”，先小规模放10%的量看看效果如何。

这里的放量一般又根据不一样的状况分好几种：

1. 按用户区间放量（这是咱们最经常使用的放量方案）。
2. 按地域放量（例如某些功能只放量给北京地区的用户）。
3. 按时间放量（双十一期间页面会作一些开屏动画之类的活动效果，通常都是提早开发好，在指定的时间段内放全量）。

地域放量与时间放量很容易理解，这里主要解释下什么是按用户区间放量。

图2 - 放量10%的用户

假设咱们的产品总共有10亿个用户，放量10%，那么咱们能够选择一个区间，是放给0~1亿这个区间的用户仍是放给1亿~2亿这个区间，这个就是用户区间。

固然，这个名字是我随便起的，只是为了朗朗上口。

这里你可能会有一个疑问，为何要按照用户区间放10%的量，直接随机放10%的量不行么？

答案是“也能够”，但随机放量没法知足下列需求。

咱们仍是举个例子，假设图1的红圈位置通过一系列讨论，如今有两个升级方案，但不肯定哪一个效果好，最终决定将这两个版本都开发出来，而后对比下哪一个效果好就使用哪一个版本。

这时候随机放量就没法知足需求了，可是按用户区间放量能够知足需求。

图3 - 方案1与方案2同时放量

咱们能够将方案一放量给0~1亿这个区间的用户，把方案二投放给1亿~2亿区间的用户。

如何放量

任何产品都会为用户分配一个ID，假设为用户分配的ID是一个散列值MD5，那么当用户访问咱们的产品时，咱们就能够根据用户的ID来分辨该用户会命中哪一个版本（版本一？版本二？或者是未命中？）。

具体实现方案是，取用户ID的后三位（固然，后两位也行），而后用这个数除以三位的最大值，获得一个百分比。举个例子：

假设个人用户ID为4b3ab369fa40ca4faae404b2f8332b65，这是一个MD5值，咱们取出后三位b65，三位16进制的最大数转换成10进制为16^3 = 4096，因此咱们将b65转换成10进制后在除以4096，最终得出的数字为：(b65 = 2917) / 4096 = 0.71。

上述例子将“方案一”投放给0~1亿这个区间的人，将“方案二”投放给1亿~2亿这个区间的人，很显然，当我访问页面时，红圈位置会发现个人数值是0.71，不在0~0.1这个区间，也不在0.1~0.2这个区间，因此我没有命中这一次的小规模放量测试，个人页面上该位置显示的是现有的稳定版。

这样实现的好处是：

1. 能够经过简单且轻量的计算快速得到用户的所属区间。
2. 不须要知道总用户数就能够进行准确的放量。

总结

相同的放量策略和实现方式能够放到服务端，也能够放到客户端；具体如何放量须要“具体状况，具体分析”。