Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Über Kontrollen und Behandlungen
Beim AWS AppConfig Experimentieren:
Bei der Kontrollbehandlung handelt es sich um eine stabile, gut verstandene Konfiguration oder Erfahrung, die als Ausgangsbasis für den Vergleich verwendet wurde. Dies ist häufig das aktuelle Standardverhalten, es kann sich jedoch um einen beliebigen zweifelsfrei funktionierenden Zustand handeln.
Eine Behandlung stellt eine Variation dar, die anhand der Kontrolle bewertet wird.
Jede Behandlung entspricht einer Feature-Flag-Konfiguration oder einem Wert, anhand dessen Ihre Anwendung die Benutzererfahrung bestimmt. Die Versuchsergebnisse werden bewertet, indem die Behandlungsleistung mit der der Kontrolle verglichen wird. Behandlungen können Folgendes beinhalten:
Änderungen an der Benutzeroberfläche
Konfigurationen der Funktionen
Algorithmen für Empfehlungen
Verhalten der Anwendung
Betriebseinstellungen
Bei jeder Behandlung sollte es sich um eine deutliche und messbare Abweichung von der Kontrollbehandlung handeln.
Wenn Sie Behandlungen in definieren AWS AppConfig, geben Sie klare Beschreibungen der Kontrollen und Behandlungen an. Gute Beschreibungen helfen den Teams dabei, die Absicht und die Ergebnisse von Experimenten zu verstehen. Beschreibungen sollten Folgendes erklären:
Was hat sich geändert
Was werden die Nutzer erleben
Welches Verhalten oder Ergebnis wird bewertet
Fügen Sie nach Möglichkeit Screenshots hinzu, um die Benutzererfahrung im Zusammenhang mit jeder Behandlung zu dokumentieren. Screenshots können helfen:
Validieren Sie die Implementierung
Klären Sie visuelle Unterschiede
Verbessern Sie die Zusammenarbeit zwischen Teams
Vereinfachen Sie die Überprüfung der Experimente
Screenshots eignen sich besonders für Benutzeroberflächenexperimente.
Entwicklung wirksamer Behandlungen
Sorgen Sie dafür, dass die Behandlungen zielgerichtet und messbar sind. Ändern Sie jeweils eine Hauptvariable und vermeiden Sie es, Änderungen, die nichts miteinander zu tun haben, in einer einzigen Behandlung zusammenzufassen. Beispielsweise ist die Implementierung einer Schaltfläche zum Hinzufügen zum Einkaufswagen unter allen angezeigten Artikeln eine gute Behandlungsoption. Wenn Sie die Schaltfläche „In den Warenkorb legen“ implementieren und gleichzeitig das Seitenlayout und die Empfehlungslogik ändern, würden unsichere Daten zurückgegeben. Kleinere Änderungen erleichtern die Interpretation der Ergebnisse.
Wichtig
Verändern Sie das Behandlungsverhalten während eines Laufs nicht. Eine Änderung des Behandlungsverhaltens während des Versuchs kann die Versuchsdaten ungültig machen und die Interpretation der Ergebnisse erschweren. Wenn Sie Änderungen vornehmen müssen:
Stoppen Sie den Lauf
Modifizieren Sie die Behandlung
Starte einen neuen Experimentlauf
Verwenden Sie aussagekräftige Namen, die den Zweck der neuen oder überarbeiteten Behandlung eindeutig identifizieren
Stellen Sie sicher, dass die Benutzer während eines Versuchsdurchlaufs dieselbe Behandlungsaufgabe erhalten. Eine inkonsistente Zuweisung kann sich sowohl auf die Benutzererfahrung als auch auf die Gültigkeit des Experiments auswirken.
Über das Außerkraftsetzen von Behandlungszuweisungen
Das Überschreiben von Behandlungszuweisungen ermöglicht es Ihnen, einer Behandlung direkt bestimmte Entitäts-IDs zuzuweisen. Überschreibungen umgehen die zufällige Behandlungszuweisung und stellen sicher, dass ausgewählte Entitäten konsistent die angegebene Behandlung erhalten. Overrides werden in der Regel verwendet, um Behandlungen zu testen, bevor Sie sie Ihrem Publikum vorstellen. Indem du Überschreibungen zuweist und die Exposition auf 0% festlegst, kannst du:
Prüfen Sie, ob die Behandlungen korrekt gerendert werden
Stellen Sie sicher, dass Metriken und Protokollierung wie erwartet funktionieren
Vergewissern Sie sich, dass sich die Feature-Flag-Bewertung korrekt verhält
Mithilfe von Overrides können Sie sich auch eine Vorschau der Behandlungen für Interessengruppen anzeigen lassen, ohne dass dies Auswirkungen auf das breitere Publikum hat. Sie können jeder Behandlung, einschließlich der Kontrolle, Entitätskennungen zuweisen. Dies ist hilfreich, um zu überprüfen, ob die Kontrollbenutzer die erwartete Grunderfahrung erhalten.
Overrides sind nützlich für:
Produktbewertungen
Validierung des Entwurfs
Vorführungen von Führungskräften
QA-Überprüfung
Testen bestimmter Szenarien
Dies ist eine der sichersten Methoden, um ein Experiment zu testen, bevor die Exposition erhöht wird.
Overrides werden mithilfe von Entitäts-IDs konfiguriert. Eine Entitäts-ID identifiziert den Benutzer oder das System, das bei der Zuweisung von Feature-Flags bewertet wird, eindeutig. Eine Entitäts-ID kann eine der folgenden sein:
Benutzer-IDs
Sitzungs-IDs
Geräte-IDs
Konto-Identifikatoren
Anmerkung
Overrides sind für Tests und Validierungen gedacht, nicht für die langfristige Zielgruppensegmentierung. Entferne Überschreibungen, wenn sie nicht mehr benötigt werden, und verwende Zielgruppenregeln für die Logik des Produktions-Targetings.
Sie können Überschreibungen für Behandlungszuweisungen hinzufügen, ändern oder entfernen, nachdem ein Testlauf gestartet wurde. Auf diese Weise können Sie die Tests erweitern oder weiteren Beteiligten Zugriff auf Behandlungsvorschauen gewähren, ohne den Lauf zu unterbrechen.
