有过去，iOS11各种霸屏，iPad Pro的新版本大有革笔记本命的趋势，想必已经引得各路大神蠢蠢欲动，手快的土豪们已经下单了有木有？但是iOS产品和开发者肯定更关注App Store的重要变化，苹果爸爸到底想干什么？之前的传言终成现实，6.12后包含热更新的App将会被强制下架，大家都为包含12306在内的一众App的命运感到无（xi...

你希望通过A/B测试对你的网站进行充分的转化率优化，关于它的理想概念将类似于通过A/B测试对着陆页改变 CTA 之后获得25％的转化提升。但在现实中，可能不是这么理想化。有很多误区干扰了正确执行A/B测试的方法。

当我听到“Growth Hacks ”以及自称为黑客的黑客时，我会感到很困惑。获得更多消费者的过程会被研究，分析和记录，成功的战略和战术随处可得 – 所以为什么你会选择 hack 它，而不是接近这个过程？

Sabre是全球最大的GDS之一，没错，你买过的机票，包括国际和国内的所有航班：每四张票中就有一张票是通过Sabre交易的，它在航空领域内的影响力可想而知。这家在美国上市的技术公司，除了在和美联航和汉莎航空撕逼外，还发布了正在重新解构的航空业之三大趋势：

这个说法在A/B测试的世界中出现的频率那是相当的高，但它忽略了一个事实，一个概念本身与概念的执行有着本质上的不同。想法经常随着时间重现。一个以前失败过的人往往被贴上失败的标签，他们永远不会走出新的大门。

我们新的文章系列将会对流行App的UX进行分析，看看他们的优势和可以改进的内容。通过深入用户体验的细微之处，希望发现流行App如此吸引人的原因是什么。

Ephemeralization 一词由美国哲学家 Buckminster Fuller 在1938年提出，用以陈述科技的趋势让你可以“用越来越少的东西做越来越多的事情，而最终，你可以不需任何东西就可以做所有事情” (因此有人将 Ephemeralization 翻译成”少费多用”)。

通常我们经常挥舞着拳头拍着胸脯说“YOU CAN TEST ANYTHING!”，但是并不意味着所有的一切都需要测试，或者说我们需要找到一个适合开始的点来测试。

Expedia全球总裁兼首席执行官分享了其实现在线旅行快速创新的文化和运营战略。对在线旅行公司 Expedia 来说，没有好想法坏想法之说，你只需要对它们进行测试。

获得更多的订单是对在线旅行公司的不断挑战。他们不断寻找将更多访客转化为客户的有效方法。他们用了两种方式：猜测或研究。这三家公司找到了转化优化的有效方法。

在我还是Expedia网站创新经理的时候，这个角色要求我深入网站找到更多被忽视的区域（通常是落地页），并与设计师和开发人员一起改进它们，这意味着很多AB测试。这些被忽视的有着数百万独立访客的落地页，被证明是令人难以置信的AB测试训练场。

通过实验来做出数据驱动的决策是 LinkedIn 文化极其重要的一部分。它在我们的发展过程中根深蒂固，并一直是 Linkedin DNA 的核心部分。我们测试一切，从主页的完全重新设计，到后端相关性算法更改，甚至基础设施升级。实验是我们如何创新，增长和发展我们的产品，以最好地服务于我们的会员的方式，也是如何使我们的会员...

虽然许多人都明白A/B测试（分裂测试）是什么，但许多人并没有使用这个重要的工具来发挥其全部潜力。这些测试的优点是它们可以用于几乎任何东西。你可以在付费搜索广告中测试像广告文案一样简单的内容，其复杂度就跟测试网页上的整个内容一样。

设计软件有两种方法: 一种是简单到极致而明显没有缺陷; 另一种是复杂到极致以至于没有明显的缺陷。前者要难得多! —— C.A.R.Hoare 本篇开始！ 灰度发布 和 A/B testing 很多朋友应该对Facebook首页和人人网首页改版的例子印象深刻。这里Facebook使用的一大法宝就是灰度发布和A/B testing。这一利器像宙斯盾一样（想不出好...

了解一些统计学知识对正确地进行 A/B 测试和研判试验结果是很有帮助的，本篇文章深入介绍了A/B 测试的原理和背后的统计学依据。完全理解本文中提到的数学计算需要你掌握概率方面的一点基础知识。

做A/B测试的理由很多，Facebook、Google、BAT、滴滴、美团……大公司都在做。但知道它们为什么做？怎么做？A/B测试有哪些方法论来指导最近实践，让我们来看点干的。

从总体中随机抽取一个容量为n的样本，当样本容量 n足够大(通常要求n ≥30)时，无论总体是否符合正态分布，样本均值都会趋于正态分布。期望和总体相同，方差为总体的1/n。这即是中心极限定理，是A/B测试数据分析的基础。

我是一对双胞胎宝宝的爸爸，我的工作是写程序，业余爱好是用A/B测试来优化生活中的一切。有时候真的觉得我的宝宝是上苍给我最好的礼物，因为有了宝宝之后就再也不缺A/B测试的样本。

为了可以让大家更好地理解 A/B Testing 背后的统计学知识，我们之前已经发过几篇深度分析文章；但是这些文章中涉及的一些术语和统计学知识，对一些基础不太好的同学难免会造成困惑，为了可以让大家更好地理解这后面蕴藏的学术逻辑和算法基础，我们特地从非学术的角度整理出一期内容，献给大家参考。