正在阅读：火山引擎DataTester上线全新MAB智能调优实验火山引擎DataTester上线全新MAB智能调优实验

近期火山引擎DataTester上线了MAB智能调优实验功能，希望通过智能化、自动化的A/B实验形式，帮助业务团队实现收益最大化。

在A/B实验平台的研发道路上，火山引擎DataTester走在业内前沿，在常规的A/B实验之外，一直在探索实践智能实验。此次新功能MAB智能调优实验(Multi-Armed Bandit)， 是一种能根据当前实验数据表现，来智能调整实验内不同实验组的流量比例分配的实验类型。

传统A/B实验依赖于统计显著性的经典假设检验，为对照版本和实验版本分配相应的流量，但在实验期间不能够变更每个子版本的流量。因此这类实验需要专门的预留周期（至少7天），必须有足够的样本进入实验，并且在实验开始后不能有任何变动，才能得出显著结果。而火山引擎DataTester的MAB智能调优实验，克服了传统A/B实验的上述限制，在如下几个场景上有特殊的应用优势。

在冷启动、流量少的场景下，MAB实验也能发挥A/B实验的优势点。对于初创公司，或在产品、活动冷启动时期，面临的一大问题是没有足够的流量进行实验。但由于MAB实验会基于当下指标的表现动态进行流量分配，所以能够在总流量不多的情况下，通过A/B实验的形式将收益最大化。

有了DataTester的MAB实验，短周期的活动也一样可以依靠A/B实验进行优化了。活动运营有很大一部分是持续时间较短的活动，例如很多电商活动的持续周期只有1-3天，如果受限于传统A/B实验的限制，仅实验流量就要跑7天以上才能得到显著性的成果，无法应用在短周期活动中。而DataTester的MAB实验，由于实验核心目标是整个活动收益最大化，而非帮助用户找到数据最优组，因此对实验时限无要求，短周期活动也可以用A/B实验优化。

在促进高价值流量转化方面，MAB智能调优实验可以起到加速作用。对于一些高客单价的大额商品，如汽车、钻石等，每一个转化机会的成本都很高。如果采用传统的A/B实验，在获得统计上显著方案的过程中，会错失一部分的前期实验流量，但MAB实验能够在过程中根据实时数据进行动态调优，减少实验过程中的转化机会损失。

此外，一些特定场景下，如涉及到App文案标题、缩略图、视频内容等的A/B实验优化测试，它们需要在短的窗口期内获得最大点击量，却受限于传统A/B实验实时性较弱，难以应用优化。而火山引擎DataTester MAB可以在短周期内查询各版本的转化效果，每半小时获取更新数据反馈。

DataTester是火山引擎数智平台旗下产品，能够深度耦合推荐、广告、搜索、UI、产品功能等多种行业场景需求，为业务增长、转化、产品迭代，运营提效等各环节提供科学的决策依据。

据了解，火山引擎DataTester目前推出了30天免费试用的活动，用户只要在火山引擎A/B测试官网申请试用，无需企业认证，即刻开通。