Skip to main content
Dieser Artikel erklärt, wie sich gegenseitig ausschließende Gruppen für Feature-Experimente funktionieren, warum sie für eine zuverlässige Analyse unerlässlich sind und wie Sie sie in Kameleoon einrichten.
Informationen zur Verwendung sich gegenseitig ausschließender Gruppen für Web Experimentation finden Sie stattdessen in diesem Hilfedokument.
Das gleichzeitige Ausführen mehrerer Feature-Experimente kann zu Überschneidungseffekten führen, insbesondere wenn verschiedene Teams Änderungen testen, die dieselben Bereiche Ihres Produkts betreffen.

​
Einrichten sich gegenseitig ausschließender Gruppen

  1. Definieren Sie die Experimentgruppe: Bestimmen Sie, welche Feature Flags (und deren Experimente) sich gegenseitig ausschließen sollen. Beispielsweise könnten alle Experimente, die den Checkout-Flow ändern, gemeinsam gruppiert werden.
  2. Taggen Sie das Experiment: Verwenden Sie die Namenskonvention „ME-GROUP-{GROUPENNAME}”, um jedes Experiment in der Gruppe zu taggen, z. B. ME-GROUP-A. Dies weist Kameleoon an, die gegenseitige Ausschließlichkeit innerhalb der Gruppe durchzusetzen.
  3. Sie können Flags bei der Erstellung taggen oder indem Sie auf das Drei-Punkte-Menü eines vorhandenen Flags klicken und Manage tags auswählen.
Sobald dies erledigt ist, wird jeder Besucher nur einem Experiment aus jeder sich gegenseitig ausschließenden Gruppe ausgesetzt, was genaue, nicht überlappende Ergebnisse gewährleistet.

​
Beispiel einer sich gegenseitig ausschließenden Gruppe

Stellen Sie sich vor, Sie testen verschiedene Variationen Ihres Checkout-Erlebnisses:
  • Gruppe A: Experiment 1 (neuer Checkout-Flow) und Experiment 2 (Ein-Klick-Checkout)
  • Gruppe B: Experiment 3 (Up-Sell-Empfehlungen) und Experiment 4 (Rabattbanner-Platzierung)
Bei einer sich gegenseitig ausschließenden Einrichtung:
  • Ein Besucher sieht entweder Experiment 1 oder Experiment 2 aus Gruppe A, aber nicht beide.
  • Derselbe Besucher kann entweder Experiment 3 oder Experiment 4 aus Gruppe B sehen, aber nicht beide.
Diese Einrichtung stellt sicher, dass Besucher innerhalb jeder Gruppe nicht mehreren widersprüchlichen Änderungen ausgesetzt sind, was eine präzisere Messung der Auswirkungen jedes Experiments ermöglicht. Um die Konsistenz zu wahren, bleibt ein Besucher, der zuvor einem Experiment innerhalb einer Gruppe zugewiesen wurde, diesem Experiment zugewiesen. Wenn er neu in der Gruppe ist, erfolgt die Zuweisung zufällig, was eine gleichmäßige Verteilung gewährleistet. Diese Einrichtung erfordert keine zusätzlichen Targeting-Bedingungen, was die Implementierung für Flags mit Experimentregeln erleichtert und Ihnen hilft, die Integrität Ihrer Feature-Experimente zu wahren, was zu saubereren Daten und sichereren Entscheidungen führt.

​
Wie Expositionsprozentsätze mit einer MEG interagieren

Auf einzelnen Experimenten festgelegte Expositionsprozentsätze werden nicht unabhängig auf den gesamten Traffic jedes Experiments angewendet, wenn diese Experimente derselben sich gegenseitig ausschließenden Gruppe angehören. Die MEG entscheidet zuerst, für welches einzelne Experiment ein Besucher innerhalb der Gruppe in Frage kommt, und der eigene Expositionsprozentsatz des Experiments wird dann auf diese Zuweisung angewendet. Jedes Experiment in einer MEG erhält ungefähr einen gleichen Anteil der berechtigten Gruppenpopulation (zum Beispiel ein Drittel, wenn die Gruppe drei Experimente enthält), unabhängig von den individuellen Expositionseinstellungen.

​
Beispiel

Stellen Sie sich drei Experimente in derselben MEG vor, die jeweils auf einer anderen Seite laufen, die 200.000 Anfragen erhält: Das Ergebnis ist nicht 20k / 60k / 120k. Dieses Ergebnis würde voraussetzen, dass jedes Experiment den gesamten Traffic seiner Seite erhält, bevor der Expositionsprozentsatz angewendet wird, was nicht der Funktionsweise einer MEG entspricht.
Da eine MEG den berechtigten Traffic auf die Gruppe aufteilt, bevor die Exposition angewendet wird, eignen sich MEGs am besten für Experimente, die sich überschneiden können und sich gegenseitig ausschließen müssen — typischerweise Experimente, die auf derselben Seite oder Oberfläche laufen.