Để giúp bạn tối đa hoá mức độ liên quan và mức độ hữu ích của kết quả thử nghiệm, trang này cung cấp thông tin chi tiết về cách hoạt động của tính năng Thử nghiệm A/B trong Firebase.
Kích thước mẫu
Thông tin dự đoán cho Thử nghiệm A/B trong Firebase không yêu cầu xác định kích thước mẫu tối thiểu trước khi bắt đầu thử nghiệm. Nhìn chung, bạn nên chọn mức độ tiếp xúc thử nghiệm lớn nhất mà bạn cảm thấy phù hợp. Kích thước mẫu lớn hơn làm tăng khả năng tìm được kết quả có ý nghĩa thống kê, đặc biệt là khi sự khác biệt về hiệu suất giữa các biến thể là nhỏ. Bạn cũng có thể thấy hữu ích khi tham khảo công cụ tính kích thước mẫu trực tuyến để tìm kích thước mẫu được đề xuất dựa trên các đặc điểm của thử nghiệm.
Chỉnh sửa thử nghiệm
Bạn có thể chỉnh sửa những thông số đã chọn của thử nghiệm đang chạy, bao gồm:
- Tên thử nghiệm
- Mô tả
- Các điều kiện nhắm mục tiêu
- Giá trị biến thể
Cách chỉnh sửa một thử nghiệm:
- Mở trang kết quả cho thử nghiệm bạn muốn sửa đổi.
- Trong trình đơn Thêm , hãy chọn Chỉnh sửa thử nghiệm đang chạy.
- Thực hiện thay đổi rồi nhấp vào Xuất bản.
Lưu ý rằng việc thay đổi hành vi của ứng dụng trong một thử nghiệm đang chạy có thể ảnh hưởng đến kết quả.
Logic chỉ định biến thể Cấu hình từ xa
Người dùng đáp ứng tất cả các điều kiện nhắm mục tiêu của thử nghiệm (bao gồm cả điều kiện tỷ lệ phơi sáng) được chỉ định cho các biến thể thử nghiệm theo trọng số biến thể, hàm băm của mã thử nghiệm và mã cài đặt Firebase của người dùng.
Đối tượng Google Analytics sẽ bị trễ và không có sẵn ngay khi người dùng đáp ứng các tiêu chí về đối tượng ban đầu:
- Khi bạn tạo một đối tượng mới, có thể mất 24 đến 48 giờ để thu thập người dùng mới.
- Người dùng mới thường được đăng ký vào các đối tượng đủ điều kiện sau 24-48 giờ kể từ khi họ đủ điều kiện.
Đối với tiêu chí nhắm mục tiêu có giới hạn thời gian, hãy cân nhắc việc sử dụng thuộc tính người dùng Google Analytics hoặc các lựa chọn nhắm mục tiêu tích hợp sẵn, chẳng hạn như quốc gia hoặc khu vực, ngôn ngữ và phiên bản ứng dụng.
Sau khi người dùng tham gia thử nghiệm, họ sẽ được chỉ định liên tục cho biến thể thử nghiệm và nhận các giá trị thông số từ thử nghiệm, miễn là thử nghiệm đó vẫn hoạt động, ngay cả khi thuộc tính người dùng thay đổi và họ không còn đáp ứng tiêu chí nhắm mục tiêu của thử nghiệm.
Sự kiện kích hoạt
Sự kiện kích hoạt thử nghiệm giới hạn việc đo lường thử nghiệm ở những người dùng ứng dụng kích hoạt sự kiện kích hoạt. Sự kiện kích hoạt thử nghiệm không ảnh hưởng đến các thông số thử nghiệm mà ứng dụng tìm nạp; tất cả người dùng đáp ứng tiêu chí nhắm mục tiêu của thử nghiệm sẽ nhận được các thông số thử nghiệm. Do đó, bạn phải chọn một sự kiện kích hoạt xảy ra sau khi các thông số thử nghiệm được tìm nạp và kích hoạt, nhưng trước khi các thông số thử nghiệm được dùng để sửa đổi hành vi của ứng dụng.
Trọng số biến thể
Trong quá trình tạo thử nghiệm, bạn có thể thay đổi trọng số biến thể mặc định để đặt một tỷ lệ phần trăm lớn hơn số người dùng thử nghiệm vào một biến thể.
Diễn giải kết quả thử nghiệm
Thử nghiệm A/B trong Firebase sử dụng suy luận thường xuyên để giúp bạn hiểu khả năng kết quả thử nghiệm có thể xảy ra chỉ do cơ hội ngẫu nhiên. Khả năng này được biểu thị bằng giá trị xác suất hoặc giá trị p. Giá trị p là xác suất xảy ra sự chênh lệch về hiệu suất giữa 2 biến thể do cơ hội ngẫu nhiên, được đo bằng một giá trị trong khoảng từ 0 đến 1. Thử nghiệm A/B sử dụng mức ý nghĩa 0,05 để:
- Giá trị p nhỏ hơn 0,05 cho biết sự khác biệt có ý nghĩa thống kê giữa các biến thể, có nghĩa là nhiều biến thể không có khả năng xảy ra do ngẫu nhiên.
- Giá trị p lớn hơn 0,05 cho biết sự khác biệt giữa các biến thể không có ý nghĩa thống kê.
Dữ liệu thử nghiệm được làm mới mỗi ngày một lần và thời gian cập nhật gần đây nhất sẽ xuất hiện ở đầu trang kết quả thử nghiệm.
Biểu đồ kết quả thử nghiệm hiển thị các giá trị trung bình tích luỹ của chỉ số đã chọn. Ví dụ: nếu bạn đang theo dõi Doanh thu từ quảng cáo trên mỗi người dùng dưới dạng chỉ số, thì chỉ số này sẽ cho thấy doanh thu ghi nhận được trên mỗi người dùng và nếu bạn đang theo dõi người dùng không gặp sự cố, thì chỉ số này sẽ theo dõi tỷ lệ phần trăm người dùng chưa gặp sự cố. Dữ liệu này là dữ liệu tích luỹ từ khi bắt đầu thử nghiệm.
Kết quả được chia thành Dữ liệu đã quan sát được và Dữ liệu suy luận. Dữ liệu đã quan sát được tính trực tiếp từ dữ liệu Google Analytics, còn dữ liệu suy luận cung cấp giá trị p và khoảng tin cậy để giúp bạn đánh giá ý nghĩa thống kê của dữ liệu đã ghi nhận được.
Đối với mỗi chỉ số, hệ thống sẽ hiển thị các số liệu thống kê sau:
Dữ liệu quan sát được
- Tổng giá trị cho chỉ số được theo dõi (số người dùng được giữ chân, số người dùng gặp sự cố, tổng doanh thu)
- Tỷ lệ theo chỉ số cụ thể (tỷ lệ giữ chân, tỷ lệ chuyển đổi, doanh thu trên mỗi người dùng)
- Phần trăm chênh lệch (mức tăng) giữa biến thể và giá trị cơ sở
Dữ liệu suy luận
95% CI (Chênh lệch về trung bình) hiển thị một khoảng thời gian có chứa giá trị "true" của chỉ số được theo dõi với độ tin cậy 95%. Ví dụ: nếu thử nghiệm của bạn mang lại khoảng tin cậy 95% cho tổng doanh thu ước tính từ 5 đến 10 USD, thì có 95% khả năng mức chênh lệch thực sự về giá trị trung bình nằm trong khoảng từ 5 đến 10 USD. Nếu phạm vi CI bao gồm 0, thì hệ thống không phát hiện được sự khác biệt có ý nghĩa thống kê giữa biến thể và giá trị cơ sở.
Các giá trị khoảng tin cậy xuất hiện ở định dạng khớp với chỉ số được theo dõi. Ví dụ: Thời gian (tính bằng
HH:MM:SS) để giữ chân người dùng, USD cho doanh thu quảng cáo trên mỗi người dùng và tỷ lệ phần trăm cho tỷ lệ chuyển đổi.Giá trị P: thể hiện xác suất không có sự khác biệt thực sự giữa biến thể và đường cơ sở; nói cách khác, bất kỳ sự chênh lệch nào quan sát được đều có thể là do ngẫu nhiên. Giá trị p càng thấp thì độ tin cậy cho thấy hiệu suất quan sát được vẫn đúng trong tương lai càng cao. Giá trị từ 0,05 trở xuống cho biết mức chênh lệch đáng kể và khả năng kết quả là do ngẫu nhiên thấp. Giá trị P dựa trên kiểm thử một phía, trong đó giá trị Biến thể lớn hơn Giá trị cơ sở. Firebase sử dụng phương sai t-test không đồng đều cho các biến liên tục (giá trị số, chẳng hạn như doanh thu) và phép thử z của tỷ lệ cho dữ liệu lượt chuyển đổi (giá trị nhị phân, như tỷ lệ giữ chân người dùng, người dùng không gặp sự cố, người dùng kích hoạt sự kiện Google Analytics).
Kết quả thử nghiệm cung cấp thông tin chi tiết quan trọng cho mỗi biến thể thử nghiệm, bao gồm:
- Mức độ cao hơn hay thấp hơn của mỗi chỉ số thử nghiệm so với đường cơ sở, khi được đo lường trực tiếp (tức là dữ liệu thực tế đã ghi nhận được)
- Khả năng sự chênh lệch quan sát được giữa biến thể và đường cơ sở có thể xảy ra do cơ hội ngẫu nhiên (giá trị p)
- Một phạm vi có khả năng chứa sự khác biệt về hiệu suất "thực" giữa biến thể và đường cơ sở cho từng chỉ số thử nghiệm---đây là cách để hiểu trường hợp hiệu suất "trường hợp tốt nhất" và "trường hợp xấu nhất"
Diễn giải kết quả cho các thử nghiệm do Google Optimize cung cấp
Google Optimize cung cấp kết quả Thử nghiệm A/B trong Firebase cho các thử nghiệm bắt đầu trước ngày 23 tháng 10 năm 2023. Google Optimize đã sử dụng phép suy luận của Bayes để đưa ra số liệu thống kê chi tiết từ dữ liệu thử nghiệm của bạn.
Kết quả được chia thành "dữ liệu quan sát được" và "dữ liệu được mô hình hoá". Dữ liệu quan sát được được tính trực tiếp từ dữ liệu phân tích và dữ liệu đã mô hình hoá được lấy từ việc áp dụng mô hình Bayes với dữ liệu đã ghi nhận được.
Đối với mỗi chỉ số, hệ thống sẽ hiển thị các số liệu thống kê sau:
Dữ liệu đã quan sát
- Tổng giá trị (tổng chỉ số của tất cả người dùng trong biến thể)
- Giá trị trung bình (giá trị trung bình của chỉ số đối với người dùng trong biến thể)
- % chênh lệch so với đường cơ sở
Dữ liệu được mô hình hoá
- Xác suất vượt qua đường cơ sở: khả năng chỉ số này của biến thể này cao hơn so với đường cơ sở
- Tỷ lệ phần trăm chênh lệch so với giá trị cơ sở: dựa trên số liệu ước tính của mô hình trung bình về chỉ số cho biến thể và giá trị cơ sở
- Phạm vi của chỉ số: các phạm vi mà giá trị của chỉ số có nhiều khả năng được tìm thấy nhất, với độ chắc chắn là 50% và 95%
Nhìn chung, kết quả thử nghiệm cung cấp cho chúng tôi 3 thông tin chi tiết quan trọng cho mỗi biến thể trong thử nghiệm:
- Mức độ cao hơn hoặc thấp hơn của mỗi chỉ số thử nghiệm so với giá trị cơ sở, khi được đo lường trực tiếp (tức là dữ liệu thực tế đã quan sát được)
- Khả năng mỗi chỉ số thử nghiệm cao hơn giá trị cơ sở / tốt nhất về tổng thể, dựa trên suy luận Bayes (xác suất tương ứng sẽ tốt hơn / tốt nhất)
- Phạm vi hợp lý cho mỗi chỉ số thử nghiệm dựa trên suy luận Bayes--"trường hợp tốt nhất" và "trường hợp xấu nhất" (khoảng thời gian đáng tin cậy)
Xác định người lãnh đạo
Đối với các thử nghiệm sử dụng Suy luận thông thường, Firebase khai báo rằng một biến thể sẽ dẫn đầu nếu có sự khác biệt về hiệu suất có ý nghĩa thống kê giữa biến thể và giá trị cơ sở về chỉ số mục tiêu. Nếu nhiều biến thể đáp ứng tiêu chí này, thì biến thể có giá trị p thấp nhất sẽ được chọn.
Đối với các thử nghiệm sử dụng Google Optimize, Firebase khai báo rằng một biến thể là "biến thể dẫn đầu rõ ràng" nếu có hơn 95% khả năng tốt hơn biến thể cơ sở về chỉ số chính. Nếu nhiều biến thể đáp ứng tiêu chí "dẫn đầu rõ ràng", thì chỉ biến thể hoạt động tốt nhất về tổng thể mới được gắn nhãn là "biến thể dẫn đầu rõ ràng".
Vì việc xác định người lãnh đạo chỉ dựa trên mục tiêu chính, bạn nên xem xét tất cả các yếu tố có liên quan và xem xét kết quả của các chỉ số phụ trước khi quyết định có nên triển khai biến thể hàng đầu hay không. Bạn nên xem xét lợi ích dự kiến khi thực hiện thay đổi, rủi ro giảm (chẳng hạn như giá trị thấp hơn của khoảng tin cậy để cải thiện) và tác động đến các chỉ số ngoài mục tiêu chính.
Ví dụ: nếu chỉ số chính của bạn là Người dùng không gặp sự cố và Biến thể A là biến thể dẫn đầu rõ ràng so với đường cơ sở, nhưng các chỉ số về tỷ lệ giữ chân người dùng của Biến thể A chỉ theo dõi tỷ lệ giữ chân người dùng cơ sở, thì bạn nên tìm hiểu thêm trước khi triển khai Biến thể A rộng rãi hơn.
Bạn có thể triển khai mọi biến thể, không chỉ là biến thể hàng đầu, dựa trên kết quả đánh giá tổng thể về hiệu suất trên cả chỉ số chính và phụ.
Thời lượng thử nghiệm
Firebase khuyên bạn nên tiếp tục chạy một thử nghiệm cho đến khi đáp ứng các điều kiện sau:
- Thử nghiệm này đã tích luỹ đủ dữ liệu để cung cấp kết quả hữu ích. Thử nghiệm và dữ liệu kết quả được cập nhật mỗi ngày một lần. Bạn nên tham khảo công cụ tính kích thước mẫu trực tuyến để đánh giá kích thước mẫu đề xuất cho thử nghiệm của bạn.
- Thử nghiệm đã chạy đủ lâu để đảm bảo lấy được mẫu đại diện cho người dùng của bạn và đo lường hiệu suất lâu dài hơn. Thời gian chạy tối thiểu được đề xuất là 2 tuần cho một thử nghiệm Cấu hình từ xa thông thường.
Dữ liệu thử nghiệm được xử lý trong tối đa 90 ngày sau khi bắt đầu thử nghiệm. Sau 90 ngày, thử nghiệm này sẽ tự động dừng. Kết quả thử nghiệm không còn được cập nhật trong bảng điều khiển của Firebase nữa và thử nghiệm sẽ ngừng gửi giá trị thông số cụ thể cho từng thử nghiệm. Tại thời điểm này, các ứng dụng bắt đầu tìm nạp giá trị thông số dựa trên điều kiện đã đặt trong mẫu Cấu hình từ xa. Hệ thống sẽ giữ lại dữ liệu thử nghiệm trong quá khứ cho đến khi bạn xoá thử nghiệm.
Giản đồ BigQuery
Ngoài việc xem dữ liệu thử nghiệm Thử nghiệm A/B trong bảng điều khiển của Firebase, bạn còn có thể kiểm tra và phân tích dữ liệu thử nghiệm trong BigQuery. Mặc dù Thử nghiệm A/B không có bảng BigQuery riêng biệt, nhưng các thành viên thử nghiệm và biến thể được lưu trữ trên mọi sự kiện Google Analytics trong bảng sự kiện Analytics.
Các thuộc tính người dùng chứa thông tin thử nghiệm có dạng userProperty.key like "firebase_exp_%" hoặc userProperty.key =
"firebase_exp_01", trong đó 01 là mã thử nghiệm và userProperty.value.string_value chứa chỉ mục (dựa trên 0) của biến thể thử nghiệm.
Bạn có thể sử dụng các thuộc tính người dùng thử nghiệm này để trích xuất dữ liệu thử nghiệm. Điều này mang lại cho bạn khả năng phân chia kết quả thử nghiệm theo nhiều cách khác nhau và xác minh độc lập kết quả của Thử nghiệm A/B.
Để bắt đầu, hãy hoàn thành các bước sau theo mô tả trong hướng dẫn này:
- Bật tính năng BigQuery Export cho Google Analytics trong bảng điều khiển của Firebase
- Truy cập vào dữ liệu Thử nghiệm A/B bằng BigQuery
- Khám phá các truy vấn mẫu
Bật tính năng BigQuery Export cho Google Analytics trong bảng điều khiển của Firebase
Nếu đang dùng gói Spark, bạn có thể dùng hộp cát BigQuery để truy cập vào BigQuery mà không tốn phí, tuân theo các giới hạn của Hộp cát. Hãy xem bài viết Giá và hộp cát BigQuery để biết thêm thông tin.
Trước tiên, hãy đảm bảo rằng bạn đang xuất dữ liệu Analytics sang BigQuery:
- Mở thẻ Tích hợp, bạn có thể truy cập vào thẻ này bằng cách sử dụng > Cài đặt dự án trong bảng điều khiển của Firebase.
- Nếu bạn đang sử dụng BigQuery với các dịch vụ Firebase khác, hãy nhấp vào Quản lý. Nếu không, hãy nhấp vào Liên kết.
- Xem bài viết Giới thiệu về cách liên kết Firebase với BigQuery, rồi nhấp vào Tiếp theo.
- Trong phần Định cấu hình chế độ tích hợp, hãy bật nút bật/tắt Google Analytics.
Chọn một khu vực rồi chọn chế độ xuất.
Nhấp vào Liên kết với BigQuery.
Tuỳ thuộc vào cách bạn chọn xuất dữ liệu, có thể mất tới một ngày để các bảng xuất hiện. Để biết thêm thông tin về cách xuất dữ liệu dự án sang BigQuery, hãy xem bài viết Xuất dữ liệu dự án sang BigQuery.
Truy cập vào dữ liệu Thử nghiệm A/B trong BigQuery
Trước khi truy vấn dữ liệu cho một thử nghiệm cụ thể, bạn sẽ muốn có một số hoặc tất cả những thông tin sau để sử dụng trong truy vấn:
- Mã thử nghiệm: Bạn có thể lấy mã này từ URL của trang Tổng quan về thử nghiệm. Ví dụ: nếu URL của bạn có dạng
https://console.firebase.google.com/project/my_firebase_project/config/experiment/results/25, thì mã thử nghiệm sẽ là 25. - Mã tài sản Google Analytics: Đây là mã tài sản Google Analytics gồm 9 chữ số. Bạn có thể tìm thấy mã này trong
Google Analytics; mã này cũng xuất hiện trong BigQuery khi bạn mở rộng
tên dự án để hiển thị tên bảng sự kiện
Google Analytics (
project_name.analytics_000000000.events). - Ngày thử nghiệm: Để soạn một truy vấn nhanh hơn và hiệu quả hơn, bạn nên giới hạn truy vấn của mình vào các phân vùng bảng sự kiện hằng ngày trên Google Analytics có chứa dữ liệu thử nghiệm – các bảng được xác định bằng hậu tố
YYYYMMDD. Vì vậy, nếu thử nghiệm chạy từ ngày 2 tháng 2 năm 2024 đến ngày 2 tháng 5 năm 2024, bạn cần chỉ định một_TABLE_SUFFIX between '20240202' AND '20240502'. Để biết ví dụ, hãy xem phần Chọn giá trị của một thử nghiệm cụ thể. - Tên sự kiện: Thông thường, các tên này tương ứng với các chỉ số mục tiêu mà bạn đã định cấu hình trong thử nghiệm. Ví dụ: sự kiện
in_app_purchase, sự kiệnad_impressionhoặcuser_retention.
Sau khi thu thập thông tin cần thiết để tạo truy vấn:
- Mở BigQuery trong bảng điều khiển Google Cloud.
- Chọn dự án của bạn, sau đó chọn Tạo truy vấn SQL.
- Thêm truy vấn của bạn. Để biết các truy vấn mẫu cần chạy, hãy xem phần Khám phá các truy vấn mẫu.
- Nhấp vào Run (Chạy).
Truy vấn dữ liệu thử nghiệm bằng cách sử dụng truy vấn được tạo tự động của bảng điều khiển Firebase
Nếu bạn đang sử dụng Gói linh hoạt, trang Tổng quan về thử nghiệm sẽ cung cấp một truy vấn mẫu trả về tên thử nghiệm, biến thể, tên sự kiện và số lượng sự kiện cho thử nghiệm mà bạn đang xem.
Để lấy và chạy truy vấn được tạo tự động:
- Trên bảng điều khiển của Firebase, hãy mở Thử nghiệm A/B rồi chọn thử nghiệm A/B mà bạn muốn truy vấn để mở Tổng quan về thử nghiệm.
- Từ trình đơn Tùy chọn, bên dưới mục Tích hợp BigQuery, hãy chọn Dữ liệu thử nghiệm truy vấn. Thao tác này sẽ mở dự án của bạn trong BigQuery trong bảng điều khiển Google Cloud Console và cung cấp một truy vấn cơ bản mà bạn có thể dùng để truy vấn dữ liệu thử nghiệm của mình.
Ví dụ sau đây cho thấy một truy vấn được tạo cho một thử nghiệm với 3 biến thể (bao gồm cả đường cơ sở) có tên là "Thử nghiệm chào mừng mùa đông". Phương thức này trả về tên thử nghiệm đang hoạt động, tên biến thể, số sự kiện duy nhất và số lượng sự kiện cho mỗi sự kiện. Lưu ý rằng trình tạo truy vấn không chỉ định tên dự án trong tên bảng, vì trình tạo truy vấn sẽ mở trực tiếp trong dự án của bạn.
/*
This query is auto-generated by Firebase A/B Testing for your
experiment "Winter welcome experiment".
It demonstrates how you can get event counts for all Analytics
events logged by each variant of this experiment's population.
*/
SELECT
'Winter welcome experiment' AS experimentName,
CASE userProperty.value.string_value
WHEN '0' THEN 'Baseline'
WHEN '1' THEN 'Welcome message (1)'
WHEN '2' THEN 'Welcome message (2)'
END AS experimentVariant,
event_name AS eventName,
COUNT(*) AS count
FROM
`analytics_000000000.events_*`,
UNNEST(user_properties) AS userProperty
WHERE
(_TABLE_SUFFIX BETWEEN '20240202' AND '20240502')
AND userProperty.key = 'firebase_exp_25'
GROUP BY
experimentVariant, eventName
Để xem thêm ví dụ về truy vấn, hãy chuyển đến phần Khám phá các truy vấn mẫu.
Khám phá các cụm từ tìm kiếm mẫu
Các phần sau đây cung cấp ví dụ về các truy vấn mà bạn có thể sử dụng để trích xuất dữ liệu thử nghiệm Thử nghiệm A/B từ bảng sự kiện Google Analytics.
Trích xuất giá trị độ lệch chuẩn của giao dịch mua và thử nghiệm từ tất cả thử nghiệm
Bạn có thể sử dụng dữ liệu kết quả thử nghiệm để xác minh kết quả Thử nghiệm A/B trong Firebase một cách độc lập. Câu lệnh BigQuery SQL sau sẽ trích xuất các biến thể thử nghiệm, số lượng người dùng riêng biệt trong mỗi biến thể rồi tính tổng doanh thu từ các sự kiện in_app_purchase và ecommerce_purchase, cũng như độ lệch chuẩn cho tất cả các thử nghiệm trong phạm vi thời gian được chỉ định là ngày bắt đầu và ngày kết thúc _TABLE_SUFFIX. Bạn có thể sử dụng dữ liệu thu được từ truy vấn này bằng trình tạo ý nghĩa thống kê cho các phép kiểm thử t một bên để xác minh rằng kết quả mà Firebase cung cấp khớp với bản phân tích của bạn.
Để biết thêm thông tin về cách Thử nghiệm A/B tính toán suy luận, hãy xem phần Diễn giải kết quả kiểm thử.
/*
This query returns all experiment variants, number of unique users,
the average USD spent per user, and the standard deviation for all
experiments within the date range specified for _TABLE_SUFFIX.
*/
SELECT
experimentNumber,
experimentVariant,
COUNT(*) AS unique_users,
AVG(usd_value) AS usd_value_per_user,
STDDEV(usd_value) AS std_dev
FROM
(
SELECT
userProperty.key AS experimentNumber,
userProperty.value.string_value AS experimentVariant,
user_pseudo_id,
SUM(
CASE
WHEN event_name IN ('in_app_purchase', 'ecommerce_purchase')
THEN event_value_in_usd
ELSE 0
END) AS usd_value
FROM `PROJECT_NAME.analytics_ANALYTICS_ID.events_*`
CROSS JOIN UNNEST(user_properties) AS userProperty
WHERE
userProperty.key LIKE 'firebase_exp_%'
AND event_name IN ('in_app_purchase', 'ecommerce_purchase')
AND (_TABLE_SUFFIX BETWEEN 'YYYYMMDD' AND 'YYYMMDD')
GROUP BY 1, 2, 3
)
GROUP BY 1, 2
ORDER BY 1, 2;
Chọn các giá trị của một thử nghiệm cụ thể
Truy vấn mẫu sau minh hoạ cách lấy dữ liệu cho một thử nghiệm cụ thể trong BigQuery. Truy vấn mẫu này trả về tên thử nghiệm, tên biến thể (bao gồm cả Đường cơ sở), tên sự kiện và số lượng sự kiện.
SELECT
'EXPERIMENT_NAME' AS experimentName,
CASE userProperty.value.string_value
WHEN '0' THEN 'Baseline'
WHEN '1' THEN 'VARIANT_1_NAME'
WHEN '2' THEN 'VARIANT_2_NAME'
END AS experimentVariant,
event_name AS eventName,
COUNT(*) AS count
FROM
`analytics_ANALYTICS_PROPERTY.events_*`,
UNNEST(user_properties) AS userProperty
WHERE
(_TABLE_SUFFIX BETWEEN 'YYYMMDD' AND 'YYYMMDD')
AND userProperty.key = 'firebase_exp_EXPERIMENT_NUMBER'
GROUP BY
experimentVariant, eventName
Các giới hạn
Tính năng Thử nghiệm A/B được giới hạn ở tổng số 300 thử nghiệm, 24 thử nghiệm đang chạy và 24 thử nghiệm nháp. Các giới hạn này được chia sẻ với các lần phát hành Cấu hình từ xa. Ví dụ: nếu có 2 bản phát hành đang chạy và 3 thử nghiệm đang chạy, bạn có thể có thêm tối đa 19 bản phát hành hoặc thử nghiệm.
Nếu đạt đến tổng giới hạn thử nghiệm là 300 hoặc giới hạn thử nghiệm nháp là 24, bạn phải xoá một thử nghiệm hiện có trước khi tạo thử nghiệm mới.
Nếu đạt đến giới hạn phát hành và thử nghiệm đang chạy là 24, bạn phải dừng một thử nghiệm đang chạy hoặc dừng phát hành trước khi bắt đầu một thử nghiệm mới.
Một thử nghiệm có thể có tối đa 8 biến thể (bao gồm cả đường cơ sở) và tối đa 25 tham số cho mỗi biến thể. Một thử nghiệm có thể có quy mô lên tới khoảng 200 KiB. Thông tin này bao gồm tên biến thể, tham số biến thể và các siêu dữ liệu cấu hình khác.