说到准备Data面试，很多new grad其实在AB Testing这一关容易挂，说到底还是没抓住核心，这东西看着熟，但不扎实真的不行。
简单来讲，A/B test就是让两组用户分别体验不同版本，看哪个效果更好。比如说同一个网页按钮，一个用蓝色，一个用红色，测试哪种颜色能带来更多点击。这个方法在优化用户体验、提升产品效果、推动业务增长上都特别关键。所以A/B Testing说白了就是一种对比实验。把用户随机分到A组（现有版本）和B组（新版本），然后比较两组的用户行为，找出更好的方案。尤其是在不确定哪个策略更有效的时候，用它来做决策特别合适。
我总结了几点许多小伙伴容易在这翻车的原因：
1. 核心概念理解不透
比如都知道statistical significance是判断结果是不是偶然的，但具体p-value怎么算、怎么根据它做决策，很多人并不清楚。
2. 缺少业务场景的应用经验
面试常问：“如果在实际业务里，你会怎么设计这个实验？”要是没真正做过，或者不知道针对不同业务目标该选什么 metrics，回答就容易显得空。比如做电商实验，到底该看conversion rate还是session duration？这都得结合业务目标来定。
3. 复杂情况应对不来
实际工作里经常碰到multiple tests同时跑，或者是在移动端做实验。如果被问到“怎么避免测试之间互相干扰？”“在 APP 里做 A/B test 要特别注意什么？”，没系统准备的话，容易答得泛泛而谈，让面试官觉得你实战经验不够。
如果你想系统补一下这一块，可以参考这些A/B Testing Guide🙌【AB】
