之前简单介绍过用户增长（UG）核心工作流：分析数据→形成假设→实验验证，大致描述了每一步在做些什么。现在用一个大家可能注意到过的案例，来尝试逆推和重现相关的工作场景，争取讲清楚UG实验在做什么。
案例简介：在刷抖音时部分用户可能会留意到，完成2次播放后分享按钮变成了自己的好友头像，而部分用户依然是常规的分享图标。
对了，这就是一个简单的UG实验。实验涉及到的环节是类似的，我们不妨拿这个例子来做代表，主要讲：
为什么要做这个实验；
实验的设计和下发；
实验分析；
实验价值提炼。
案例重点讲每一步应该做什么，具体数值是杜撰的且并不重要，如有雷同纯属巧合。
1 为什么要做这个实验
这个案例我只是借用，下面的表述主要从旁观角度去做逆推和重现。
1.1 首先关注策略目标
抖音为什么要下发这个策略？不难看出，直接目的是提升用户点击分享按钮的比例（分享率）。用最常分享的「好友头像」替换「分享按钮」是否能提升分享率，需要实验来验证。
1.2 提升分享率的目的是什么
曾经了解过一些经验：用户群的互动率（转评赞的用户占比）与其留存率很好的正相关。
从产品逻辑上很好理解：用户有互动，就会收到反馈，持续互动会产生粘性。假想你的微信好友很少，没有收到信息，你还会经常打开吗？假设你每次发朋友圈，没人点赞评论，势必会大大削弱发圈的积极性。
所以，抖音这么做，更进一步的目标应该是提升用户留存，而留存和用户规模又高度相关，策略的最终目标应该还是提升DAU、时长、收入这些规模数据。
这些都是前期分析数据的关键产出，而「提升分享率能够提升DAU和时长」是一个假设，需要实验验证。
小结
这个实验虽小，但是它背后关联到最核心的增长目标。实验效果的评估，我们也需要关注到这些「结果指标」，而不仅仅是分享按钮的点击率、分享完成率、分享的回流率等等「过程指标」。
2 实验的设计和下发
2.1 实验的设计
我们通常会使用随机对照实验，市面上大家基本上用AB实验来代指随机对照实验。通过对比实验组和对照组的指标差异，来验证下发不同策略的两组间，是否产生了显著差异。随机对照实验最核心的两个要点是「随机分组」和「单一变量」：随机分组，目的是保证实验组和对照组用户组成、特点一致，可以进行对比，确保差异来自策略差异而非用户群差异；单一变量，目的是方便将实验结果的差异准确地归因到某个策略差异上。
2.2 实验的下发
如何实现随机分组呢？
通常将用户ID（通常是在用户首次使用app时自动生成的一个字符串）经过一些随机算法（常用hash算法）的处理，理论上保证用户的特征与随机算法处理后的用户ID不存在依赖关系，最后依据处理后ID进行分组。即便如此，分组的充分随机，依然是一个行业难题，所以会通过实验前的空跑期或叫AA实验来确认不同组间在实验前是否无偏差。
这个案例只关心到随机分组，假设我们随机从大盘活跃用户中取了一部分人群，再随机分为实验组和对照组，就可以开始实验了。
表1实验组和对照组的流量分配
实际工作中，往往会碰到流量少，而同时需要做的实验多，这就需要引入正交分层。分层的目的在于形成一系列互不干扰的「平行宇宙」，便于在流量不足时，同时进行很多实验。但是，正交分层有适用条件，我们后面单独开一篇来讲正交分层有哪些要点和坑。
这个案例没这么复杂，只需要将实验组下发「分享按钮替换为朋友圈头像」的指令，而对照组下发「保持原状」的指令（注意：这对照组不是「不下发指令」，因为这样可能会涉及到SRM问题，同样，容我后面单独拿一篇来介绍）。实际工作中，还会碰到多个实验变量，如果需要评估每一个变量的影响，就需要确保存在「仅有一个变量差异」的两个实验组。
3 实验分析
3.1 看哪些指标
回归到实验目的，我们直接关注分享率的提升，进一步关注用户留存率的提升，最后想看到对用户DAU、时长等是否有提升。那我们需要关注的指标就有：
表2实验组和对照组的观测指标，数值均为杜撰
3.2 实验结果可信吗
判断实验结果是否可信，涉及到一个「显著性」的概念，即实验组和对照组的指标差异是不是能满足统计显著性。统计显著性，意味着我们看到的提升，并不是因为随机波动造成，而是策略影响的。评估显著性，通常用表2中的P-value、统计功效等来说明，完善的实验平台，可以直接输出差异是否显著的结论。如果对显著性感兴趣，建议大家找一本统计学的书详细了解。
参照表2中的数据，基本上可以说明该策略能够显著提升分享率、次留、DAU和时长。
3.3 选多少样本量合适
直观的认识：样本量足够大时，即使很小的差异也可能是置信的；而样本量太小时，即使比较大的差异，也可能是不置信的。只要分组充分的随机，样本量大更可能得到置信的结果，但是受限于各方面的成本考量，我们往往需要评估选择多少样本量。
这里就涉及到一个「最小样本量」的问题：通过对实验差异的预估，推算出每一组用最少用多少样本量才能确保实验结果差异是置信的，而不是随机的误差。相关的，还会涉及到一个「实验时长」的问题，简单来说，实验时长=最小样本量/每日流量。
3.4 想长期观察这个效果，应该怎么办
UI修改带来的点击提升，通常可能是新奇效应，所以我们的实验尽量拉长至两个以上的用户活跃周期。比如某些用户是周末刷短视频，周中很少刷，使用频次的一个完整的活跃周期就是一周。新奇效应通常最多持续一个活跃周期，我们选择观察两个活跃周期，大概率能看到用户回归常态下的最终提升量。当然，如果有必要，我们也可以保持这两个实验组和对照组长期有效，看更长久的影响。
4 实验价值提炼
实验完成后，我们通常可以收到很多结果，如果不做及时的复盘，这些数据的价值很可能只是冰山一角。这一部分，我跳出本篇的抖音案例来说。
4.1 及时复盘
及时复盘帮助我们尽早的知道策略是否有效，甚至尽早反推实验是不是设计合理。
假设实验差异置信，这个策略的整体效果对总体业务有价值吗？
通常用户量足够大时，很小的指标提升也是置信的，但实际上可能对增长目标帮助不大。我们需要横向来对比不同策略，对同一指标的提升效果，决定哪一个更好。
假设实验差异不置信，增长策略从下发到生效是一个「链条」，在哪个节点断掉了？为什么？及时复盘能够尽快明确是策略没成功下发，还是策略无效果。
4.2 下钻分析
很多时候我们初看数据会得到实验差异不显著，效果提升不明显的结果。但是这不妨碍我们去做进一步的挖掘：哪些人群更有效、哪些人群没有效果，可通过实验下钻得到初步答案，再针对有效人群设计新的实验去重复验证，针对无效人群做进一步的分析，进一步调整策略。
实验下钻依赖于我们对用户属性有初步的标签，在实验分析时能够用户进行下钻，或者说筛选。需要强调：下钻后用户量少，不能保证置信度；另一方面这种“后验”的方式会存在分组不均的潜在风险，需要我们针对下钻结果重复去做实验，才能得到可靠的结论。
4.3 可以做哪些新的策略迭代
通过漏斗分析，我们可以看到策略的断点，策略是在哪一步开始失效的。通过产品优化（页面加载、按钮样式、引导样式、文案等等）、运营优化（调整策略下发时机、频次；调整参数如金额、展现时长等等）。
这一部分是产品经理最为擅长的，UG无非是强调基于准确结论来判断问题的关键，去高优先级推进最关键的迭代。
4.4 有没有哪些通用的价值提炼
一个实验结束，我们能够得到的应该远超过实验指标提升。上升到对用户价值提升的视角，这些策略之所以有用，是在哪些地方提升了用户价值，是新体验远超过了旧体验，还是极大降低了用户成本？这些认知是否有可能推广到相关领域、推广到类似场景？
这些我认为是UG更大的课题，也需要产品经理们更多的思考、总结和新的尝试，这同时也是数据驱动的价值和乐趣~
总结
这个案例，麻雀虽小五脏俱全，需要关注的要点，最后再做一下梳理。
策略的目标是什么，需要看到哪些指标，如何评判
实验设计时需要关注哪些地方，随机分组、最小样本量、单一变量这几个最为基础；正交分层、SRM问题等我们后续单独介绍
实验结果怎么分析，如何挖掘价值，产生进一步的假设或迭代
文中不免错漏，辛苦指出！
后续会跟进「实验分析三部曲」一点点介绍各种主观/客观造成的分析难点：
增长实验中的增量分析方法
准确量化不容易-基础篇
准确量化不容易-进阶篇
