还在用默认的聚合规则吗？A/B Test助您实现最优变现效率！
在互联网中，“数据驱动“的理念几乎已经成了做决策的标配。尽管也有不少意见认为不应该过度强调数据的作用，但不能否认，依赖客观数据与事实，常常是实现增长的有效手段。
其实，“数据驱动”不仅要求企业以数据为依据做出关键决策，更意味着选择合适的方法工具获取数据。而A/B Test（测试），就是一种非常实用、泛用的工具。
01 什么是聚合规则A/B 测试？
A/B 测试或许不一定是最好的数据评估方法，但没有A/B 测试环节，就一定称不上数据驱动。其实这种方法并非互联网的专利，很早的时候，A/B对照测试就被用于医药实验等科研领域。
广义的来说，A/B测试就是通过测试两组仅有一处不同的内容/流程的不同表现，来获得关于某项关键指标的反馈数据，最终选出更优的一种方案。
这种方法同样可以用在广告聚合平台上。通过将用户平均分成两组，可以对不同的聚合规则进行测试。当功能开启后，用户将会被分配到A组和B组中，两组分别采用不同的聚合规则，直到测试停止。
测试完成后，开发者可以通过详情页面中的总览卡片了解概括性的数据结果，也能查看更细节的广告性能表现。
这类测试的目的就是让开发者洞悉不同聚合策略在实践中的效果，以做出更优的选择。通过分析填充率，展现量，eCPM以及最关键的最终收入等核心数据，开发者可以了解不同聚合规则的数据表现与差异，最终达到提高广告变现收益的目的。
02 为何需要聚合规则测试：永恒的变化
先说结论：互联网广告市场处在不断的变化当中，聚合规则A/B测试是开发者克服变现效率不确定性的有效手段。
聚合平台对于许多开发者来说应该都不陌生。它整合了不同的广告平台，通过竞价或瀑布流的方式对平台进行配置，来为开发者达到提升变现效益的目的。
但聚合并非简单的收集。聚合，意味着要在不同组合中找到更优的选择。如何分配每一次广告展现机会，才能在五花八门的广告平台中获取更高的变现收益？
这是个复杂的技术过程，而在这个过程中，具体的聚合规则就成了影响变现效率的关键因素之一：选择哪些广告平台？广告平台的层级排序应该是怎样的？
实际的情况是：对于这些问题，没有一个恒定的答案。我们常说，唯一不变的就是变化，不同广告平台的强势地区，广告类型，投放渠道的不同，甚至时令季节的变化，都会对变现的效率产生影响。
2021各地区激励视频eCPM变化，图源：Appodeal
这一问题也是OpenMediation运营团队和开发者都非常关心的一个问题。对此，OpenMediation运营团队有深刻的体会：“在调优过程中，我们遇到过在其他影响因素相同的条件下，两个不同产品的eCPM相差5倍，甚至10倍的情况。所以调优的目的就是，在尽量使用聚合规则的前提下，结合自己的策略经验提高收入。”
正如团队所说，克服这种变化最好的手段就是在实践和测试中寻找一段时间内的最优解。作为相对更加小流量的实验，A/B 测试不仅能够对收益进行前置性验证，同时也能规避风险，为开发者的变现效率保驾护航。
03 如何使用聚合规则A/B 测试？
OpenMediation的聚合规则A/B测试现已在平台正式上线。开发者目前可以在【媒体聚合】的【聚合规则】页面找到该功能，只需通过：创建测试-配置参数-开启测试-数据结论这四步，就可以快捷使用该功能，对不同的聚合规则进行效果测试。
需要重点强调的是，如果是首次使用该功能的开发者，则需要对测试流量、测试变量、时间周期等实践问题有足够了解：一次需要测试多长时间？每次测试最少需要多少展现量？开发者在测试前，需要充分了解这些实际中会出现的问题，以免出现无效测试的情况。
关于这些注意事项和具体使用的详细步骤，已经在OpenMediation帮助中心当中有全流程的描述，点击【阅读原文】即可跳转指南页面。欢迎各位开发者根据自身需求使用数据工具，助力产品变现效率长期稳定增长。
END
关注我们 | 乘上一站式出海快车
推荐相关阅读👇