Zum Hauptinhalt springen
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.