火山引擎 DataTester:0 代码也能实施 A/B 测试的实验平台
更多技术交流、求职机会,欢迎关注字节跳动数据平台微信公众号,并进入官方交流群
近日,火山引擎 DataTester 对 A/B 实验“可视化编辑器”进行了升级,可视化编辑器功能让用户无需编写任何代码,即可在网站或相关产品页面上进行基本的视觉更改,并发起 A/B 实验。
升级后, DataTester 可视化编辑器具有如下新特性:
交互方式优化,页面和实验切换,选择元素可视化编辑,聚焦更顺畅的操作
减少刷新初始化内容,让刷新加载更快捷
沉浸式的预览体验,避免干扰因素影响
Xpath 的层次结构视图,让层级展示更清晰
火山引擎 DataTester 的“可视化编辑器”功能可支持多种类型的 A/B 实验设计,本文将详细介绍其支持的“MVT 多变体可视化实验”功能。
多变体可视化实验(简称 MVT,全称 Multi-variate Visual Test)是同时对一个网页的两个或多个元素变体进行 A/B 实验,以查看哪个组合策略可以产生最好的结果,DataTester 新版“可视化编辑器”让多变体可视化实验的实施更加便捷。
据介绍,多变体可视化实验中的元素(Element),指的是页面中的元素,如页面按钮位置、样式、颜色等,DataTeater 支持针对页面中的多个元素进行 A/B 实验。变体(variant)是针对页面元素中的修改,元素进行修改内容和样式保存之后就是变体。而组合(combination)则是指实验组,即一个元素下可以有多个变体,一个变体下有同一个元素不同修改,元素中不同的变体相互交叉组成的一个版本。
举例而言,如果正在对 3 个元素进行 A/B 测试,每个元素分别有 2 个、3 个、4 个变体,每个变体下都有不同的元素修改内容和样式,则一共有 24 种组合 (2x3x4)。在 DataTester 中即可直接开启 24 组实验,并观测结果。

用户在 DataTester 中输入目标网页 URL 后,即可点击进入“可视化编辑器”。DataTester 将基于网站原页面打开可视化编辑器。网页元素配置入口,在可视化编辑器的右上角有 Tooltip 提示,可直接进行元素拖拽操作。
在 DataTester 中选择变体之后,左侧看板联动,显示当前对应的元素和变体,便于用户直接对选中元素进行编辑。如下图所示,支持可视化编辑元素文本、颜色、字体、样式等。

DataTester 多变体可视化实验适用于如下场景:
当 Web 网站/H5/APP 访问量较高时,运行多变体实验尤为有用且有效。
当用户有一个策略假设可以通过多种方式实现变体,但无法决定该测试哪种组合时,则适合多变体实验验证。
DataTester 是火山引擎数智平台旗下产品,作为字节跳动内部使用多年的 A/B 测试平台,DataTester 有支持多种复杂 A/B 实验及精准科学的分流能力,能够深度耦合推荐、广告、搜索、UI、产品功能等多种业务场景需求,为业务增长、转化、产品迭代,策略优化,运营提效等各个环节提供科学的决策依据。
目前,火山引擎 DataTester 已经服务了美的、得到、凯叔讲故事等在内的上百家标杆客户,将成熟的 “数据驱动增长 ” 经验赋能给各行业。
点击跳转火山引擎A/B测试DataTester官网了解详情!
火山引擎 DataTester:0 代码也能实施 A/B 测试的实验平台的更多相关文章
- 火山引擎 DataTester:让企业“无代码”也能用起来的 A/B 实验平台
更多技术交流.求职机会,欢迎关注字节跳动数据平台微信公众号,回复[1]进入官方交流群 当数字化变革方兴未艾,无代码正受到前所未有的关注.Salesforce 的数据显示,52%的 IT 部门表示,公司 ...
- 还原火山引擎 A/B 测试产品——DataTester 私有化部署实践经验
作为一款面向ToB市场的产品--火山引擎A/B测试(DataTester)为了满足客户对数据安全.合规问题等需求,探索私有化部署是产品无法绕开的一条路. 在面向ToB客户私有化的实际落地中,火 ...
- 火山引擎 A/B 测试产品——DataTester 私有化架构分享
作为一款面向 ToB 市场的产品--火山引擎A/B测试(DataTester)为了满足客户对数据安全.合规问题等需求,探索私有化部署是产品无法绕开的一条路. 在面向 ToB 客户私有化的实际落地中,火 ...
- 火山引擎MARS-APM Plus x 飞书 |降低线上OOM,提高App性能稳定性
通过使用火山引擎MARS-APM Plus的memory graph功能,飞书研发团队有效分析定位问题线上case多达30例,线上OOM率降低到了0.8‰,降幅达到60%.大幅提升了用户体验,为飞书的 ...
- 火山引擎 DataLeap 的 Data Catalog 系统公有云实践
Data Catalog 通过汇总技术和业务元数据,解决大数据生产者组织梳理数据.数据消费者找数和理解数的业务场景.本篇内容源自于火山引擎大数据研发治理套件 DataLeap 中的 Data Ca ...
- 火山引擎 DataLeap:一家企业,数据体系要怎么搭建?
更多技术交流.求职机会,欢迎关注字节跳动数据平台微信公众号,回复[1]进入官方交流群 导读:经过十多年的发展,数据治理在传统行业以及新兴互联网公司都已经产生落地实践.字节跳动也在探索一种分布式的数据治 ...
- [19/04/19-星期五] Java的动态性_脚本(Script,脚本)引擎执行JavaScript代码
一.概念 Java脚本引擎是jdk 6.0之后的新功能. 使得Java应用程序可以通过一套固定的接口与各种脚本引擎交互,从而达到在Java平台上调用各种脚本语言的目的. Java脚本API是连接Jav ...
- Scut游戏服务器引擎6.0.5.0发布-支持C#脚本
1. 增加C#脚本支持2. 增加Pay和Sns中间件对Mysql数据库支持3. 精简布署步骤,取消Redis写入程序,将其移到游戏底层运行4. 修正Mysql对中文可能会出现乱码的BUG 点击下载:S ...
- 火山引擎 DataLeap:3 个关键步骤,复制字节跳动一站式数据治理经验
更多技术交流.求职机会,欢迎关注字节跳动数据平台微信公众号,并进入官方交流群 DataLeap 是火山引擎数智平台 VeDI 旗下的大数据研发治理套件产品,帮助用户快速完成数据集成.开发.运维.治理. ...
- JuiceFS 在火山引擎边缘计算的应用实践
火山引擎边缘云是以云计算基础技术和边缘异构算力结合网络为基础,构建在边缘大规模基础设施之上的云计算服务,形成以边缘位置的计算.网络.存储.安全.智能为核心能力的新一代分布式云计算解决方案. 01- 边 ...
随机推荐
- 深入解析css-笔记
前言 本文章是根据<深入解析CSS>一书所作的学习笔记,书中的知识点基本都概括在这.希望对您有帮助,另外本博客是通过word笔记文档导入,虽然后续对内容和代码相关进行了一些格式处理,但还是 ...
- DM数据库SQL分页案例
DM一哥们找我优化条分页的SQL语句,结果集很小返回99行数据,废话不说安排一下. 原始SQL语句如下,保密要求,给真实的表名换了别名: SELECT count(*) FROM (SELECT TM ...
- linux开发基于iMX6ULL-uboot编译环境配置
1.下载半导体官方的uboot和linux内核固件 2.下载uboot 3.下载linux内核(选择5.4版本的分支下载) 下载后如下所示 解压后如下 查看文件夹中的内容 创建一个git仓库然后开始自 ...
- Java开发者的Python快速进修指南:异常捕获
在之前的学习中,我们已经讲解了函数和控制流等基本概念.然而,在接触实际业务时,你会发现异常捕获也是必不可少的一部分,因为在Java编程中,异常处理是不可或缺的.Python的异常捕获与Java的异常捕 ...
- python中四种方法提升数据处理的速度
在数据科学计算.机器学习.以及深度学习领域,Python 是最受欢迎的语言.Python 在数据科学领域,有非常丰富的包可以选择,numpy.scipy.pandas.scikit-learn.mat ...
- SpringBoot + 通义千问 + 自定义React组件,支持EventStream数据解析!
一.前言 大家好!我是sum墨,一个一线的底层码农,平时喜欢研究和思考一些技术相关的问题并整理成文,限于本人水平,如果文章和代码有表述不当之处,还请不吝赐教. 最近ChatGPT非常受欢迎,尤其是在编 ...
- Windows Terminal 简单美化
需要用到的软件/插件 oh-my-posh posh-git PSReadLine 安装 oh-my-posh oh-my-posh 是 shell 主题引擎,使用 winget 来安装 oh-my- ...
- 最新版本——Hadoop3.3.6单机版完全部署指南
大家好,我是独孤风,大数据流动的作者. 本文基于最新的 Hadoop 3.3.6 的版本编写,带大家通过单机版充分了解 Apache Hadoop 的使用.本文更强调实践,实践是大数据学习的重要环节, ...
- MybatisPlus条件查询方法全解
1.是什么? MybatisPlus通过条件构造器可以组装复杂的查询条件,写一些复杂的SQL语句,从而简化我们的开发提升我们的开发效率 # 可以简单的理解为就是我们写SQL语句时where后面的条件 ...
- 神经网络优化篇:为什么正则化有利于预防过拟合呢?(Why regularization reduces overfitting?)
为什么正则化有利于预防过拟合呢? 通过两个例子来直观体会一下. 左图是高偏差,右图是高方差,中间是Just Right. 现在来看下这个庞大的深度拟合神经网络.知道这张图不够大,深度也不够,但可以想象 ...