推荐系统中的流量分配与实验设计

推荐策略迭代快，流量分配要科学。新策略先小流量验证，再逐步放量，能控制风险。直接全量上线，一旦出问题影响面太大。

实验设计要明确假设和指标。是想提升点击率，还是提升留存？指标不同，样本量和观察周期也不同。提前定好，避免事后挑指标。

分流单元要一致。同一用户在实验期间应稳定落在同一组，否则体验割裂，指标也会被污染。用户级分流通常比请求级更合理。

实验之间可能相互干扰。多个实验同时跑，流量重叠会影响结果。做好实验分层和互斥，能让结论更干净。