php mt_rand和谷歌分析
我一直在使用php mt_rand和谷歌分析,php,google-analytics,ab-testing,multivariate-testing,Php,Google Analytics,Ab Testing,Multivariate Testing,我一直在使用mt_rand(1,6),根据生成的随机整数,将使用不同的CSS样式(用于MVT) 在PHP函数方面,有什么原因可以解释为什么Analytics会说独特访问者(总共约5K)之间存在巨大的差异(在某些情况下大于5%)?我认为这应该接近于0 那么,这更可能是谷歌端的一些统计结果,而不是php的错误,还是我应该使用更好的函数?mt_rand()不会平均分配流量/选项。恰恰相反。可能是随机选择的选项将流量传递到:1,1,6,6,6,6,6,3 您最好使用“循环”方法,通过MVT(多变量测试)
mt_rand(1,6)
,根据生成的随机整数,将使用不同的CSS样式(用于MVT)
在PHP函数方面,有什么原因可以解释为什么Analytics会说独特访问者(总共约5K)之间存在巨大的差异(在某些情况下大于5%)?我认为这应该接近于0
那么,这更可能是谷歌端的一些统计结果,而不是php的错误,还是我应该使用更好的函数?mt_rand()
不会平均分配流量/选项。恰恰相反。可能是随机选择的选项将流量传递到:1,1,6,6,6,6,6,3
您最好使用“循环”方法,通过MVT(多变量测试)平均分配流量-循环:1,2,3,4,5,6,然后重复
在PHP中有很多方法可以做到这一点,但简单地说,伪代码是:
Render v1,
Write increment to file/DB
Render v2,
Write increment to file/DB
etc..
Reaching v6, reset to v1
对每个(6?)施加近似相等的负载应产生更准确的结果,因为每个潜在选项/版本将获得相同的结果。这里不需要更复杂的MVT
有趣的是,在我以前使用过它的地方,我们总是在%的基础上分配流量(而不是随机分配),因为我们可以根据结果做出合格的决定。如果你不能平等地为每个选项服务,那么你就无法比较结果
希望这能进一步帮助我们。这很难回答,因为我们看不出MVT CSS的差异有多大。如果他们是极端的,那么你可以期望远远超过5%。有趣的是,熵是一个棘手的问题-如果不包含混乱的元素,真正的熵是很难实现的。我只是想理解,即使某些页面吸引了更多的流量,如果所有页面都是“均匀”分布的,那么我不应该看到独立访问中的均匀分布,而不管站点内容/搜索引擎优化如何吗?那么mt_rand()
功能不是您的最佳选择,因为它将在不太分散的基础上分配流量。最好是循环(循环方式!),这样每个选项都会收到相同数量的访客/流量。然后你会看到哪个最受欢迎。