流量分流过程中的几个基本概念或关系：流量分配、流量互斥、流量过滤、流量正交、流量释放。
2.1. 流量分配
假设单一试验层内是100%的用户流量，神策A/B测试可实现将100%的流量按照自定义比例分配给多个实验，并可知晓在当前层中还剩余多少流量可供分配。在创建试验时，可进一步设置多个试验组，并规定各试验组可获得的流量比例。
2.2. 流量互斥
完成试验流量和试验组流量的分配之后，神策A/B测试会保证「同层内不同试验之间」及「同试验不同组之间」的流量互斥。即：
- 同层内进入了「试验A」的用户，就不再可以进入「试验B」，以此类推
- 同试验内进入「对照组」的用户，就不再可以进入「试验组1」，以此类推
以确保用户只能参与其中一个试验或试验组别，进而实现试验效果的独立计算。
2.3. 流量过滤
部分场景下，我们会针对某些特定人群进行试验，因此神策A/B测试会在流量分配进入试验之后，进行筛选条件的过滤，进一步将符合条件的用户划分到不同试验组中实施试验。在此过程中，我们会先为试验分配流量，再进行流量过滤，并将不符合条件的用户合理丢弃，以确保丢弃的流量不会影响到流量池剩余流量的用户属性比例。
如上图案例所示：
假设本试验层为试验A分配了40%的流量，经过条件筛选后，其舍弃了其中50%的不符合条件的人群（占总体流量的20%），这部分不符合试验A筛选条件流量（红色用户）并不会释放回本层剩余流量中，否则会造成本层内其他试验中红绿用户的比例和用户总体相比存在偏移，红色用户占比变多，进而影响其他试验的观测结果。
2.4. 流量正交
当流量不够用时，最好的办法是在同一个用户身上做更多的试验，因此我们可以给每个用户叠加试验层。但由于试验和试验间存在互相影响的可能性，因此神策A/B测试在底层实现了将流量均匀打散的算法，最大程度的保证不同层试验之间的影响是均匀的，这种状态我们称为流量正交。
如上图案例所示：
在流量不正交的情况下，「广告位试验」试验组提升10%的用户没有均匀流向「活动页试验」，导致「活动页试验」中试验组最终产生的效果，大概率来自「广告位试验」，因此造成了试验观测的干扰。而在流量正交的情况下，「广告位试验」试验组提升10%的用户，均匀的分散在「活动页试验」的对照组和试验组中，这样尽管两试验存在互相影响，在流量正交后影响被相互抵消了，使得「活动页试验」或其他试验也可以独立进行分析，得到准确的试验结果。
2.5. 流量释放
当一个试验已经结束或已经发布（发布同样意味着试验结束）时，本试验层被该试验占据的流量比例将会被释放出来，可被本层中其他试验使用，以达到循环使用试验层的目的。若试验处于暂停状态，则该试验本身不会再进入新用户，但试验占据的流量比例并不会被释放（已被其占据的用户分桶仍然不能为其他试验所用）
版权声明及安全提醒：本文转自网络平台，文章仅代表作者观点，不代表「金融文库」立场。相关版权归原作者所有，「金融文库」仅提供免费交流与学习，相关内容与材料请勿用于商业。我们感谢每一位原创作者的辛苦付出与创作，如本转载内容涉及版权及侵权问题，请及时联系我们客服处理（微信号：RyanLin007），谢谢！
