AB测试的智能分流方法、装置、计算机设备及存储介质与流程

ab测试的智能分流方法、装置、计算机设备及存储介质
技术领域
1.本技术涉及金融科技领域，尤其涉及一种ab测试的智能分流方法、装置、计算机设备及存储介质。


背景技术：

2.ab测试(也叫ab实验)系统是一种用于网站或应用程序的测试设计和分析工具，它可以将访问者随机分配到不同的测试组中，以测试不同的变量和假设，从而确定哪种变化可以最大程度地提高网站的转化率等其他关键指标，最终为实际项目的决策提供有力的参考价值。
3.ab测试系统的应用领域非常广泛，不少人将其应用于网页广告中，如广告的页面布局、字体颜色、字体大小、标题文本等。这些测试的结果可以帮助人们确定哪种广告设计和功能可以最大程度地提高用户体验和转化率，从而提高广告的点击率和广告业务关联的业务转化率。
4.但是传统的ab测试系统会存在以下问题：需要人为的手动设置分流比例参数，无法实现实时的比例参数调整，灵活度较低，出现失误疏忽时，不能在及时进行调整；测试所得的用户数据缺乏智能化分析，导致测试结果不准确，由于市场需求和用户偏好在不断变化，也会造成市场适应性弱，定位目标用户的精准性低，有效监测和预防风险的能力不强；测试所得的结果无法实现自动优化，无法根据测试结果灵活调整分流策略，导致获得的测试结果不理想，使得人工、时间、资源投入的占比大，准确性、全面性、可重复性都较差，整体效率缓慢。


技术实现要素：

5.本技术实施例的目的在于提出一种ab测试的智能分流方法、装置、计算机设备及存储介质，以解决对ab测试系统无法智能调整分流比例、无法进行智能分析及无法根据测试结果优化分流策略的问题。
6.为了解决上述技术问题，本技术实施例提供一种ab测试的智能分流方法，采用了如下所述的技术方案：
7.获取预设的分流策略和用户数据，根据所述分流策略对所述用户数据进行分组，得到第一用户组和第二用户组；
8.对所述第一用户组和所述第二用户组进行ab测试，并对所述第一用户组的用户行为和所述第二用户组的用户行为进行监测，得到第一行为数据和第二行为数据；
9.根据所述第一行为数据和所述第二行为数据获取对应的第一特征数据和第二特征数据，并对所述第一特征数据和所述第二特征数据进行分类整理，得到第一特征数据集和第二特征数据集；
10.根据所述第一特征数据集和所述第二特征数据集对所述第一用户组和所述第二用户组进行分组调整，得到第一调整用户组和第二调整用户组；及
11.对所述第一调整用户组和所述第二调整用户组进行ab测试，并根据测试结果对所述分流策略进行调整，得到优化分流策略。
12.进一步的，所述获取预设的分流策略和用户数据，根据所述分流策略对所述用户数据进行分组，得到第一用户组和第二用户组的步骤，具体包括：
13.获取所述分流策略，其中，所述分流策略包括：分流比例和分流因子；
14.获取所述用户数据，根据所述用户数据和所述分流比例获取待分流用户数据；及
15.根据所述分流因子将所述待分流用户数据分配至ab测试中，得到所述第一用户组和所述第二用户组。
16.进一步的，所述ab测试包括：第一测试对象和第二测试对象；所述对所述第一用户组和所述第二用户组进行ab测试，并对所述第一用户组的用户行为和所述第二用户组的用户行为进行监测，得到第一行为数据和第二行为数据的步骤，具体包括：
17.将所述第一用户组和所述第二用户组对应输入至所述第一测试对象和所述第二测试对象中进行测试；
18.对所述第一用户组和所述第二用户组进行跟踪监测，获取所述第一用户组的第一用户操作记录和所述第二用户组的第二用户操作记录；及
19.根据预设的行为识别信息对所述第一用户操作记录和所述第二用户操作记录进行筛选，得到所述第一行为数据和所述第二行为数据。
20.进一步的，所述对所述第一用户组和所述第二用户组进行跟踪监测，获取所述第一用户组的第一用户操作记录和所述第二用户组的第二用户操作记录的步骤，具体包括：
21.根据预设的监测信息确定所述第一测试对象对应的第一监测对象和所述第二测试对象对应的第二监测对象；
22.对所述第一监测对象和所述第二监测对象进行数据埋点，生成第一数据监测点和第二数据监测点；
23.获取所述第一数据监测点的第一事件触发日志，根据所述第一事件触发日志获取所述第一用户操作记录；及
24.获取所述第二数据监测点的第二事件触发日志，根据所述第二事件触发日志获取所述第二用户操作记录。
25.进一步的，所述根据所述第一行为数据和所述第二行为数据获取对应的第一特征数据和第二特征数据，并对所述第一特征数据和所述第二特征数据进行分类整理，得到第一特征数据集和第二特征数据集的步骤，具体包括：
26.获取预设的关键指标，并识别所述关键指标对应的关键数据；
27.根据所述关键数据对所述第一行为数据和所述第二行为数据进行数据筛选，得到所述第一特征数据和所述第二特征数据；及
28.将所述第一特征数据和所述第二特征数据输入至预设的算法模型中进行分类整理，得到所述第一特征数据集和所述第二特征数据集。
29.进一步的，所述根据所述第一特征数据集和所述第二特征数据集对所述第一用户组和所述第二用户组进行分组调整，得到第一调整用户组和第二调整用户组的步骤，具体包括：
30.识别与所述第一特征数据集和所述第二特征数据集关联的第一用户数据和第二
用户数据；
31.根据所述第一用户数据对所述第一用户组和所述第二用户组进行数据标记，得到第一标记用户数据；
32.根据所述第二用户数据对所述第一用户组和所述第二用户组进行数据标记，得到第二标记用户数据；及
33.根据所述第一标记用户数据和所述第二标记用户数据对所述第一用户组和所述第二用户组进行分组调整，得到所述第一调整用户组和所述第二调整用户组。
34.进一步的，所述对所述第一调整用户组和所述第二调整用户组进行ab测试，并根据测试结果对所述分流策略进行调整，得到优化分流策略的步骤，具体包括：
35.获取所述测试结果，其中，所述测试结果包括：测试结果数据和体验反馈数据；
36.检测所述测试结果数据和所述体验反馈数据是否均满足预设的期望值；
37.若所述测试结果数据和所述体验反馈数据均满足所述期望值，则计算所述第一调整用户组和所述第二调整用户组对应的分流优化比例，并分析所述第一调整用户组和所述第二调整用户组对应的分流影响因子，根据所述分流优化比例和所述分流影响因子对所述分流策略进行调整，得到所述优化分流策略；及
38.若所述测试结果数据和所述体验反馈数据至少有一个不满足所述期望值，则重新分配所述第一调整用户组和所述第二调整用户组，并对所述第一调整用户组和所述第二调整用户组重新进行ab测试，不断迭代并调整所述第一调整用户组和所述第二调整用户组，直至所述测试结果数据和所述体验反馈数据均满足所述期望值。
39.为了解决上述技术问题，本技术实施例还提供一种ab测试的智能分流装置，采用了如下所述的技术方案：
40.用户分组模块，用于获取预设的分流策略和用户数据，根据所述分流策略对所述用户数据进行分组，得到第一用户组和第二用户组；
41.行为监测模块，用于对所述第一用户组和所述第二用户组进行ab测试，并对所述第一用户组的用户行为和所述第二用户组的用户行为进行监测，得到第一行为数据和第二行为数据；
42.特征获取模块，用于根据所述第一行为数据和所述第二行为数据获取对应的第一特征数据和第二特征数据，并对所述第一特征数据和所述第二特征数据进行分类整理，得到第一特征数据集和第二特征数据集；
43.分组调整模块，用于根据所述第一特征数据集和所述第二特征数据集对所述第一用户组和所述第二用户组进行分组调整，得到第一调整用户组和第二调整用户组；及
44.分流优化模块，用于对所述第一调整用户组和所述第二调整用户组进行ab测试，并根据测试结果对所述分流策略进行调整，得到优化分流策略。
45.为了解决上述技术问题，本技术实施例还提供一种计算机设备，采用了如下所述的技术方案：
46.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如以上任一项所述的ab测试的智能分流方法的步骤。
47.为了解决上述技术问题，本技术实施例还提供一种计算机可读存储介质，采用了
如下所述的技术方案：
48.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如以上任一项所述的ab测试的智能分流方法的步骤。
49.与现有技术相比，本技术实施例主要有以下有益效果：本实施例通过预设的分流策略对用户数据进行分组，从而获取初始的第一用户组和第二用户组，通过将第一用户组和第二用户组输入至ab测试系统中进行测试，并对第一用户组的用户和第二用户组的用户进行跟踪监测，从而有效获取第一用户组和第二用户组的第一行为数据和第二行为数据，通过对第一行为数据和第二行为数据进行特征提取并进行特征整理，从而有效获得表征用户行为习惯和操作偏好的第一特征数据集和第二特征数据集，并通过第一数据特征集和第二数据特征集对第一用户组和第二用户组进行分组调整，从而得到调整后的第一调整用户组和第二调整用户组，再通过将第一调整用户组和第二调整用户组输入至ab测试系统中再次进行测试，并获取测试结果，从而能够根据测试结果反馈的信息进行分析，进而对分流策略进行优化调整，得到最终的优化分流策略，以该优化分流策略再次对后续的用户数据进行分流，从而使测试得到的结果有效符合预期要求。有效实现ab测试系统的智能调整分流比例、分析及优化分流策略的功能。本实施例可以应用于广告系统，通过调整分流策略，从而使ab测试的结果参考性更好，有效帮助广告系统的后端对前段展示的页面广告进行更新优化，以提高点击率与相关业务的业务转化率。
附图说明
50.为了更清楚地说明本技术中的方案，下面将对本技术实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
51.图1是本技术可以应用于其中的示例性系统架构图；
52.图2根据本技术的ab测试的智能分流方法的一个实施例的流程图；
53.图3是图2中步骤s10的一种具体实施方式的流程图；
54.图4是图2中步骤s20的一种具体实施方式的流程图；
55.图5是图2中步骤s202的一种具体实施方式的流程图；
56.图6是图2中步骤s30的一种具体实施方式的流程图；
57.图7是图2中步骤s40的一种具体实施方式的流程图；
58.图8是图2中步骤s50的一种具体实施方式的流程图；
59.图9是根据本技术的ab测试的智能分流装置的一个实施例的结构示意图；
60.图10是根据本技术的计算机设备的一个实施例的结构示意图。
具体实施方式
61.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术；本技术的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本技术的说
明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
62.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
63.为了使本技术领域的人员更好地理解本技术方案，下面将结合附图，对本技术实施例中的技术方案进行清楚、完整地描述。
64.如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
65.用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
66.终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、mp3播放器(moving picture expertsgroup audio layer iii，动态影像专家压缩标准音频层面3)、mp4(moving pictureexperts group audio layer iv，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
67.服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
68.需要说明的是，本技术实施例所提供的ab测试的智能分流方法一般由服务器执行，相应地，ab测试的智能分流装置一般设置于服务器中。
69.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
70.继续参考图2，示出了根据本技术的系统安全监控计算的方法的一个实施例的流程图。所述的ab测试的智能分流方法，包括以下步骤：
71.步骤s10，获取预设的分流策略和用户数据，根据所述分流策略对所述用户数据进行分组，得到第一用户组和第二用户组；
72.步骤s20，对所述第一用户组和所述第二用户组进行ab测试，并对所述第一用户组的用户行为和所述第二用户组的用户行为进行监测，得到第一行为数据和第二行为数据；
73.步骤s30，根据所述第一行为数据和所述第二行为数据获取对应的第一特征数据和第二特征数据，并对所述第一特征数据和所述第二特征数据进行分类整理，得到第一特征数据集和第二特征数据集；
74.步骤s40，根据所述第一特征数据集和所述第二特征数据集对所述第一用户组和所述第二用户组进行分组调整，得到第一调整用户组和第二调整用户组；及
75.步骤s50，对所述第一调整用户组和所述第二调整用户组进行ab测试，并根据测试结果对所述分流策略进行调整，得到优化分流策略。
76.本实施例通过预设的分流策略对用户数据进行分组，从而获取初始的第一用户组
和第二用户组，通过将第一用户组和第二用户组输入至ab测试系统中进行测试，并对第一用户组的用户和第二用户组的用户进行跟踪监测，从而有效获取第一用户组和第二用户组的第一行为数据和第二行为数据，通过对第一行为数据和第二行为数据进行特征提取并进行特征整理，从而有效获得表征用户行为习惯和操作偏好的第一特征数据集和第二特征数据集，并通过第一数据特征集和第二数据特征集对第一用户组和第二用户组进行分组调整，从而得到调整后的第一调整用户组和第二调整用户组，再通过将第一调整用户组和第二调整用户组输入至ab测试系统中再次进行测试，并获取测试结果，从而能够根据测试结果反馈的信息进行分析，进而对分流策略进行优化调整，得到最终的优化分流策略，以该优化分流策略再次对后续的用户数据进行分流，从而使测试得到的结果有效符合预期要求。有效实现ab测试系统的智能调整分流比例、分析及优化分流策略的功能。本实施例可以应用于广告系统，通过调整分流策略，从而使ab测试的结果参考性更好，有效帮助广告系统的后端对前段展示的页面广告进行更新优化，以提高点击率与相关业务的业务转化率。
77.在本实施例中，ab测试是基于ab测试系统来进行实现的，ab测试系统的测试对象一般为两个或两个以上版本的目标对象，测试方法是在同一时间维度上分别让特征分布相同的用户流量来访问这些版本，再采集每个版本对应的用户流量的用户体验数据、业务数据等，然后对所采集的用户流量数据进行分析、评估以确定各个版本对应的实验指标效果。最后可以将实验指标效果最好的版本作为最终采用的版本。
78.例如，某系统推出了广告页面1.0和广告页面1.1，广告页面1.0和广告页面1.1均包含有多个页面元素，例如，页面布局、页面字体颜色、页面字体大小、页面动画、页面标题颜色、页面标题大小等，以其中一个页面元素为变量，控制该变量以形成不同的目标对象，例如，广告页面1.0的颜色为蓝色，广告页面1.1的颜色为绿色，其他的页面元素保持一致，将用户分为2个用户组，将2个用户组分别投放到广告页面1.0和广告页面1.1中进行测试，根据最终输出的点击率结果和浏览时长等指标来判断广告页面1.0和广告页面1.1中哪一种是更优的版本，以供系统用户进行参考抉择。
79.上述指标可以包括点击量、浏览时长、浏览量、页面访问时间等，可以根据实际的目标对象来确定，不同的目标对象所采用的指标可以不同。也可以采用多个指标来进行综合判断，以获取更具有参考价值的结果。
80.继续参考图3，在本实施例的一些可选的实现方式中，步骤s10包括以下步骤：
81.步骤s101，获取所述分流策略，其中，所述分流策略包括：分流比例和分流因子；
82.步骤s102，获取所述用户数据，根据所述用户数据和所述分流比例获取待分流用户数据；及
83.步骤s 103，根据所述分流因子将所述待分流用户数据分配至ab测试中，得到所述第一用户组和所述第二用户组。
84.本实施例通过分流比例和分流因子来对用户数据进行分组，从而有效获取符合ab实验要求且较为均匀的用户数据，方便后续进行对比。
85.在本实施例中，分流比例是系统预设的，可以是相对于用户总量的绝对比例，也可以是相对于剩余用户总量的相对比例，在具体实施时，由于ab测试中对应的用户流量被分配到不同的流量分桶中，因此在对用户数据进行分配后，在下次再对用户进行分配前，需要确定分流比例对应的是上述哪一种比例。例如，广告页面1.0和广告页面1.1中待分配的流
量分桶有30个，总的用户量有5000个，系统预设广告页面1.0的分流比例为10％，广告页面1.1的分流比例也是10％，此时由于是第一次进行用户分配，因此上述的两个10％均为绝对比例，即总的用户量的10％，因此分配到广告页面1.0中的用户量有500个，分配到广告页面1.1的用户量也有500个。而再下一次ab测试中，改变了广告页面1.0和广告页面1.1中的目标对象，此时再一次对广告页面1.0和广告页面1.1进行测试，广告页面1.0分流比例为15％，广告页面1.1的分流比例为20％，由于上次用户分配后剩下的客户量为5000-500-500＝4000个，因此需要确定分流比例是绝对比例还是相对比例，从而再次对广告页面1.0和广告页面1.1的用户量进行分配。若为绝对比例，则广告页面1.0的用户量为5000*15％＝750个，广告页面1.1的用户量为5000*20％＝1000个，若为相对比例，则广告页面1.0的用户量为4000*15％＝600个，广告页面1.1的用户量为4000*20％＝800个，以此类推。
86.本实施例中，由于分流策略是预设的，因此分流因子为第一哈希因子，通过使用第一哈希因子能够对用户进行均匀打散，从而使分配到第一用户组和第二用户组中的用户更加均匀随机。
87.继续参考图4，在本实施例的一些可选的实现方式中，步骤s20包括以下步骤：
88.步骤s201，将所述第一用户组和所述第二用户组对应输入至所述第一测试对象和所述第二测试对象中进行测试；
89.步骤s202，对所述第一用户组和所述第二用户组进行跟踪监测，获取所述第一用户组的第一用户操作记录和所述第二用户组的第二用户操作记录；及
90.步骤s203，根据预设的行为识别信息对所述第一用户操作记录和所述第二用户操作记录进行筛选，得到所述第一行为数据和所述第二行为数据。
91.本实施例通过将第一用户组和第二用户组分别对应输入值第一测试对象和第二测试对象中进行测试，并对测试时的第一用户组和第二用户组进行跟踪监测，从而有效获取用户的行为习惯与操作偏好，并输出为第一用户操作记录和第二用户操作记录，再根据预设的行为识别信息对第一用户操作记录和第二用户操作记录进行筛选，从而有效获取第一行为数据和第二行为数据。
92.在本实施例中，上述跟踪监测是基于对广告页面进行数据埋点来检测页面元素是否被点击触发与系统是否生成相应的页面事件来实现的，当对第一用户组和第二用户组进行跟踪监测后，得到的是包含点击数据和页面事件的第一用户操作记录和第二用户操作记录，此时需要根据行为识别信息来获取第一用户操作记录和第二用户操作记录中的用户行为，例如，第一用户操作记录包括：数据点击时间、页面停留开始时间、页面关闭时间、页面点击区域、页面数据点击次数、页面数据点击事件等，而筛选出的第一行为数据为，数据点击事件、页面停留时长、页面点击区域、页面数据点击次数。同理，行为识别信息对第二用户操作记录的筛选和上述的对第一用户操作记录的筛选方式一致。上述的行为识别信息和筛选的具体方式可以根据实际情况进行对应调整。
93.继续参考图5，在本实施例的一些可选的实现方式中，步骤s202包括以下步骤：
94.步骤s2021，根据预设的监测信息确定所述第一测试对象对应的第一监测对象和所述第二测试对象对应的第二监测对象；
95.步骤s2022，对所述第一监测对象和所述第二监测对象进行数据埋点，生成第一数据监测点和第二数据监测点；
96.步骤s2023，获取所述第一数据监测点的第一事件触发日志，根据所述第一事件触发日志获取所述第一用户操作记录；及
97.步骤s2024，获取所述第二数据监测点的第二事件触发日志，根据所述第二事件触发日志获取所述第二用户操作记录。
98.本实施例通过预设的监测信息来待确定第一监测对象和第二监测对象，并对第一监测对象和第二监测对象进行数据埋点，从而生成第一数据监测点和第二数据监测点，在通过获取第一数据监测点的第一用户操作记录和第二数据监测点的第二用户操作记录，从而有效实现对第一用户组和第二用户组的用户行为进行监测及获取。
99.在本实施例中，为了获取到有效的数据，因此需要对第一数据监测点和第二数据监测点进行实时的错误查找和问题修复，以确保收集到的第一事件触发日志和第二事件触发日志准确可靠。在具体实施时，当查找到第一数据监测点和第二数据监测点存在错误和问题时，可以以邮件通知的形式通知后端人员进行实时修复，以确保错误排查的实时性。
100.继续参考图6，在本实施例的一些可选的实现方式中，步骤s30包括以下步骤：
101.步骤s301，获取预设的关键指标，并识别所述关键指标对应的关键数据；
102.步骤s302，根据所述关键数据对所述第一行为数据和所述第二行为数据进行数据筛选，得到所述第一特征数据和所述第二特征数据；及
103.步骤s303，将所述第一特征数据和所述第二特征数据输入至预设的算法模型中进行分类整理，得到所述第一特征数据集和所述第二特征数据集。
104.本实施例通过识别预设的关键指标对应的关键数据，并根据关键数据来对第一行为数据和第二行为数据进行筛选，从而有效获取第一特征数据和第二特征数据，并通过分类整理，从而最终输出第一数据特征集和第二数据特征集。
105.在本实施例中，关键指标是系统中预设的，因此可以根据目标对象的不同进行设置，例如，当目标对象是页面颜色时，关键指标可以设置为页面浏览时长，当目标对象是页面字体大小时，关键指标可以设置为页面浏览时长和页面浏览深度，当目标对象是页面标题时，关键指标可以设置为标题点击次数、标题点击率等。在具体实施时，如果第一行为数据和第二行为数据的数据量较大，可以通过关键数据训练不同的特征提取模型来对第一行为数据和第二行为数据进行特征提取，以方便、有效的获取第一特征数据和第二特征数据。
106.本实施例中，预设的算法模型包括决策树算法、神经网络算法、支持向量机算法等机器学习算法，通过采用上述算法模型能够快速、对第一特征数据和第二特征数据进行分类整理，从而有效获取第一特征数据集和第二特征数据集。需要注意的是，上述第一特征数据集与第一特征数据不是一一对应的关系，第一特征数据集有可能包含第一特征数据，也有可能包含第二特征数据。
107.继续参考图7，在本实施例的一些可选的实现方式中，步骤s40包括以下步骤：
108.步骤s401，识别与所述第一特征数据集和所述第二特征数据集关联的第一用户数据和第二用户数据；
109.步骤s402，根据所述第一用户数据对所述第一用户组和所述第二用户组进行数据标记，得到第一标记用户数据；
110.步骤s403，根据所述第二用户数据对所述第一用户组和所述第二用户组进行数据标记，得到第二标记用户数据；及
111.步骤s404，根据所述第一标记用户数据和所述第二标记用户数据对所述第一用户组和所述第二用户组进行分组调整，得到所述第一调整用户组和所述第二调整用户组。
112.本实施例通过识别与第一特征数据集和第二特征数据集分别对应的第一用户数据和第二用户数据，并根据第一用户数据和第二用户数据对第一用户组和第二用户组进行标记，从而有效获取第一标记用户数据和第二标记用户数据，再通过第一标记用户数据和第二标记用户数据对第一用户组和第二用户组进行重新分组调整，从而最终得到按照第一特征数据集和第二特征数据集分类的第一调整用户组和第二调整用户组。
113.继续参考图8，在本实施例的一些可选的实现方式中，步骤s50包括以下步骤：
114.步骤s501，获取所述测试结果，其中，所述测试结果包括：测试结果数据和体验反馈数据；
115.步骤s502，检测所述测试结果数据和所述体验反馈数据是否均满足预设的期望值；
116.步骤s503，若所述测试结果数据和所述体验反馈数据均满足所述期望值，则计算所述第一调整用户组和所述第二调整用户组对应的分流优化比例，并分析所述第一调整用户组和所述第二调整用户组对应的分流影响因子，根据所述分流优化比例和所述分流影响因子对所述分流策略进行调整，得到所述优化分流策略；及
117.步骤s504，若所述测试结果数据和所述体验反馈数据至少有一个不满足所述期望值，则重新分配所述第一调整用户组和所述第二调整用户组，并对所述第一调整用户组和所述第二调整用户组重新进行ab测试，不断迭代并调整所述第一调整用户组和所述第二调整用户组，直至所述测试结果数据和所述体验反馈数据均满足所述期望值。
118.在本实施例中，测试结果数据一般对应的是目标对象的关键指标结果，例如，广告页面1.0的目标对象为绿色页面的用户浏览时长，广告页面1.1的目标对象为蓝色页面的用户浏览时长，因此对于上述用户浏览时长，系统设置有期望能够达到的期望值，例如，第一调整用户组的用户数量有300个，对应的测试对象为广告页面1.0，期望值设置为有50个用户在绿色页面下的浏览时长达到30秒，若第一调整用户组中有60个用户在绿色页面下的浏览时长达到30秒，则说明测试结果满足期望值；同理，若第一调整用户组中有40个用户在绿色页面下的浏览时长达到了30秒，则说明测试结果不满足期望值。体验反馈数据一般由用户填写的体验反馈报告获取，例如，对第一调整用户组进行体验问卷调查，并针对绿色页面的使用舒适度进行评分，从而获取体验反馈的分数，若第一调整用户组有200个用户，对绿色页面使用后调查的总得分为600分，期望值为650分，则说明体验反馈数据达不到期望值，若对绿色页面使用后调查的总得分为700分，则说明体验反馈数据达到了期望值。上述测试结果数据和体验反馈数据可以根据实际情况进行对应调整，以获取更具有参考价值的结果。
119.本实施例中，分流影响因子可以是具体的某一参数，比如针对目标对象为页面标题的测试对象，则分流影响因子可为标题点击率，将标题点击率作为影响用户分流的因子。
120.本实施例中，在测试结果数据和体验反馈数据至少一项不满足期望值时，也可以根据不同的处理方法来进行处理，例如当测试结果数据不满足期望值而体验反馈数据满足期望值时，可以对测试结果数据对应的目标对象进行变量微调，从而有效调整测试结果数据；同理，当测试结果数据满足期望值而体验反馈数据不满足期望值时，可以对体验反馈数
specific integrated circuit，asic)、可编程门阵列(field－programmable gate array，fpga)、数字处理器(digital signal processor，dsp)、嵌入式设备等。
133.所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
134.所述存储器71至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器71可以是所述计算机设备7的内部存储单元，例如该计算机设备7的硬盘或内存。在另一些实施例中，所述存储器71也可以是所述计算机设备7的外部存储设备，例如该计算机设备7上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。当然，所述存储器71还可以既包括所述计算机设备7的内部存储单元也包括其外部存储设备。本实施例中，所述存储器71通常用于存储安装于所述计算机设备7的操作系统和各类应用软件，例如ab测试的智能分流方法的计算机可读指令等。此外，所述存储器71还可以用于暂时地存储已经输出或者将要输出的各类数据。
135.所述处理器72在一些实施例中可以是中央处理器(central processing unit，cpu)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器72通常用于控制所述计算机设备7的总体操作。本实施例中，所述处理器72用于运行所述存储器71中存储的计算机可读指令或者处理数据，例如运行所述ab测试的智能分流方法的计算机可读指令。
136.所述网络接口73可包括无线网络接口或有线网络接口，该网络接口73通常用于在所述计算机设备7与其他电子设备之间建立通信连接。
137.本实施例通过采用上述计算机设备，能够有效实现ab测试系统的智能调整分流比例、分析及优化分流策略的功能。
138.本技术还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令可被至少一个处理器执行，以使所述至少一个处理器执行如上述的ab测试的智能分流方法的步骤。
139.本实施例通过采用上述计算机可读存储介质，能够有效实现ab测试系统的智能调整分流比例、分析及优化分流策略的功能。
140.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本技术各个实施例所述的方法。
141.显然，以上所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例，附图中给出了本技术的较佳实施例，但并不限制本技术的专利范围。本技术可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本技术的公开内容的理解更加透彻全面。尽管参照前述实施例对本技术进行了详细的说明，对于本领域的技术人员来而言，其
依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本技术说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本技术专利保护范围之内。

技术特征：
1.一种ab测试的智能分流方法，其特征在于，包括下述步骤：获取预设的分流策略和用户数据，根据所述分流策略对所述用户数据进行分组，得到第一用户组和第二用户组；对所述第一用户组和所述第二用户组进行ab测试，并对所述第一用户组的用户行为和所述第二用户组的用户行为进行监测，得到第一行为数据和第二行为数据；根据所述第一行为数据和所述第二行为数据获取对应的第一特征数据和第二特征数据，并对所述第一特征数据和所述第二特征数据进行分类整理，得到第一特征数据集和第二特征数据集；根据所述第一特征数据集和所述第二特征数据集对所述第一用户组和所述第二用户组进行分组调整，得到第一调整用户组和第二调整用户组；及对所述第一调整用户组和所述第二调整用户组进行ab测试，并根据测试结果对所述分流策略进行调整，得到优化分流策略。2.根据权利要求1所述的ab测试的智能分流方法，其特征在于，所述获取预设的分流策略和用户数据，根据所述分流策略对所述用户数据进行分组，得到第一用户组和第二用户组的步骤，具体包括：获取所述分流策略，其中，所述分流策略包括：分流比例和分流因子；获取所述用户数据，根据所述用户数据和所述分流比例获取待分流用户数据；及根据所述分流因子将所述待分流用户数据分配至ab测试中，得到所述第一用户组和所述第二用户组。3.根据权利要求1所述的ab测试的智能分流方法，其特征在于，所述ab测试包括：第一测试对象和第二测试对象；所述对所述第一用户组和所述第二用户组进行ab测试，并对所述第一用户组的用户行为和所述第二用户组的用户行为进行监测，得到第一行为数据和第二行为数据的步骤，具体包括：将所述第一用户组和所述第二用户组对应输入至所述第一测试对象和所述第二测试对象中进行测试；对所述第一用户组和所述第二用户组进行跟踪监测，获取所述第一用户组的第一用户操作记录和所述第二用户组的第二用户操作记录；及根据预设的行为识别信息对所述第一用户操作记录和所述第二用户操作记录进行筛选，得到所述第一行为数据和所述第二行为数据。4.根据权利要求3所述的ab测试的智能分流方法，其特征在于，所述对所述第一用户组和所述第二用户组进行跟踪监测，获取所述第一用户组的第一用户操作记录和所述第二用户组的第二用户操作记录的步骤，具体包括：根据预设的监测信息确定所述第一测试对象对应的第一监测对象和所述第二测试对象对应的第二监测对象；对所述第一监测对象和所述第二监测对象进行数据埋点，生成第一数据监测点和第二数据监测点；获取所述第一数据监测点的第一事件触发日志，根据所述第一事件触发日志获取所述第一用户操作记录；及获取所述第二数据监测点的第二事件触发日志，根据所述第二事件触发日志获取所述
第二用户操作记录。5.根据权利要求1所述的ab测试的智能分流方法，其特征在于，所述根据所述第一行为数据和所述第二行为数据获取对应的第一特征数据和第二特征数据，并对所述第一特征数据和所述第二特征数据进行分类整理，得到第一特征数据集和第二特征数据集的步骤，具体包括：获取预设的关键指标，并识别所述关键指标对应的关键数据；根据所述关键数据对所述第一行为数据和所述第二行为数据进行数据筛选，得到所述第一特征数据和所述第二特征数据；及将所述第一特征数据和所述第二特征数据输入至预设的算法模型中进行分类整理，得到所述第一特征数据集和所述第二特征数据集。6.根据权利要求1所述的ab测试的智能分流方法，其特征在于，所述根据所述第一特征数据集和所述第二特征数据集对所述第一用户组和所述第二用户组进行分组调整，得到第一调整用户组和第二调整用户组的步骤，具体包括：识别与所述第一特征数据集和所述第二特征数据集关联的第一用户数据和第二用户数据；根据所述第一用户数据对所述第一用户组和所述第二用户组进行数据标记，得到第一标记用户数据；根据所述第二用户数据对所述第一用户组和所述第二用户组进行数据标记，得到第二标记用户数据；及根据所述第一标记用户数据和所述第二标记用户数据对所述第一用户组和所述第二用户组进行分组调整，得到所述第一调整用户组和所述第二调整用户组。7.根据权利要求1所述的ab测试的智能分流方法，其特征在于，所述对所述第一调整用户组和所述第二调整用户组进行ab测试，并根据测试结果对所述分流策略进行调整，得到优化分流策略的步骤，具体包括：获取所述测试结果，其中，所述测试结果包括：测试结果数据和体验反馈数据；检测所述测试结果数据和所述体验反馈数据是否均满足预设的期望值；若所述测试结果数据和所述体验反馈数据均满足所述期望值，则计算所述第一调整用户组和所述第二调整用户组对应的分流优化比例，并分析所述第一调整用户组和所述第二调整用户组对应的分流影响因子，根据所述分流优化比例和所述分流影响因子对所述分流策略进行调整，得到所述优化分流策略；及若所述测试结果数据和所述体验反馈数据至少有一个不满足所述期望值，则重新分配所述第一调整用户组和所述第二调整用户组，并对所述第一调整用户组和所述第二调整用户组重新进行ab测试，不断迭代并调整所述第一调整用户组和所述第二调整用户组，直至所述测试结果数据和所述体验反馈数据均满足所述期望值。8.一种ab测试的智能分流装置，其特征在于，包括：用户分组模块，用于获取预设的分流策略和用户数据，根据所述分流策略对所述用户数据进行分组，得到第一用户组和第二用户组；行为监测模块，用于对所述第一用户组和所述第二用户组进行ab测试，并对所述第一用户组的用户行为和所述第二用户组的用户行为进行监测，得到第一行为数据和第二行为
数据；特征获取模块，用于根据所述第一行为数据和所述第二行为数据获取对应的第一特征数据和第二特征数据，并对所述第一特征数据和所述第二特征数据进行分类整理，得到第一特征数据集和第二特征数据集；分组调整模块，用于根据所述第一特征数据集和所述第二特征数据集对所述第一用户组和所述第二用户组进行分组调整，得到第一调整用户组和第二调整用户组；及分流优化模块，用于对所述第一调整用户组和所述第二调整用户组进行ab测试，并根据测试结果对所述分流策略进行调整，得到优化分流策略。9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的ab测试的智能分流方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的ab测试的智能分流方法的步骤。

技术总结
本申请实施例属于金融科技领域，涉及一种AB测试的智能分流方法，包括下述步骤：根据分流策略对用户数据进行分组，得到第一用户组和第二用户组；对第一用户组和第二用户组进行AB测试，并进行用户行为监测，得到第一行为数据和第二行为数据；根据第一行为数据和第二行为数据获取第一特征数据集和第二特征数据集；对第一用户组和第二用户组进行分组调整，得到第一调整用户组和第二调整用户组；及对第一调整用户组和第二调整用户组进行AB测试，并根据测试结果对所述分流策略进行调整，得到优化分流策略。本申请还提供一种AB测试的智能分流装置、计算机设备及存储介质。本申请能够有效实现AB测试系统的智能调整分流比例、分析及优化分流策略的功能。分流策略的功能。分流策略的功能。


技术研发人员：刘剑
受保护的技术使用者：中国平安财产保险股份有限公司
技术研发日：2023.06.30
技术公布日：2023/9/9