不废话，直接上干货，简单说~
1、AB平台核心定位及功能
保障所有实验结果的科学性，为企业的每次增长投入做数据结论支撑。平台本身其实比较简单，主要核心功能点有以下三个。
第一、分流分桶及用户打标
第二、变量参数注册及传递
第三、数据指标注册及看板展示
2、工作流程
准备环节：一般是产品经理来定义好实验方式，随后交由对应域的研发开发变量、功能和埋点，同时让数据分析师准备好数据口径。
实验创建环节：新建分桶，填写好不同分桶的流量和变量，配置好实验周期、观测的指标。添加白名单在不同的桶预览实验功能，确认后发布到线上。
正式实验环节：可在不同的桶中，调整变量和分流，生成不同的实验版本，也允许功能的迭代。最后由产品经理或专门的数据分析师做好数据结论。
3、说个完整的应用case
举个例子，在商品详情页面。
我们想做2个实验。实验1：对于女装的长裙，是不是展示一张长图比一张方图转化效率更好。实验2：对于一件商品，标题是展示完整三行转化效率更好，还是简短一些保障可读性更好。
此时商品详情域，就需要开发相应的功能以及变量。
对于实验1，变量为img，img=1代表是长图，img=2代表是方图。
新建3个分桶，自然桶img=2，流量10%。基准桶img=2，流量10%。实验桶img=1，流量10%。
这里可能有人要问，为啥有了基准桶还要自然桶？从科学实验的角度，AB实验应该叫AAB实验，两个A就是代表自然桶和基准桶，B就是实验桶。两个A的目的在于，验证本次分流是随机均匀的，若两个A桶之间实验结果不同，则B桶的数据也不置信。
数据分析师提前准备好“女装长裙Detail-Order”的数据指标，注册到AB平台中，则AB平台可以按照实验分桶，自动统计出三个桶分别的数据指标情况。
实验2也是同理不赘述，把实验2摆出来的目的在于，需要注意在同一个域下面，变量控制的功能不能互相干扰或者是相同，否则实验结果将变得混沌。但如果控制的功能完全不干扰，就像实验1和2的关系一样，则可以进行正交，结果可以正常分析。
