---
title: "Результаты и метрики A/B-теста"
description: "Анализируйте результаты и ключевые метрики в Adapty для улучшения показателей подписки вашего приложения и вовлечённости пользователей."
---
Изучайте важные данные и выводы из наших [A/B-тестов](ab-tests), сравнивая разные пейволы и онбординги, чтобы понять, как они влияют на поведение пользователей, вовлечённость и конверсию. Анализируя метрики и результаты здесь, вы можете принимать обоснованные решения и улучшать производительность приложения. Погрузитесь в данные, чтобы найти практические выводы и повысить успех вашего приложения.
## Результаты A/B-теста \{#ab-test-results\}
Adapty предоставляет три метрики для результатов A/B-теста:
**Revenue**: Эта метрика показывает общую сумму дохода в USD от покупок и продлений за вычетом возвратов пользователям. Она включает как первоначальную покупку, так и последующие продления подписки. Revenue помогает понять, как финансово работает каждый вариант A/B-теста, и определить, какой из них приносит больше всего денег.
Подробнее о метриках [пейвола](paywall-metrics) и [онбординга](onboarding-metrics).
**Probability to be best**: Adapty использует надёжную математическую аналитическую систему для анализа результатов A/B-тестов и предоставляет метрику под названием Probability to be best. Эта метрика оценивает вероятность того, что конкретный вариант является наилучшим (с точки зрения долгосрочного дохода) среди всех протестированных вариантов. Метрика выражается в процентах от 1% до 100%. Подробную информацию о том, как Adapty рассчитывает эту метрику, см. в [документации.](maths-behind-it)Наилучший вариант, определяемый по Revenue per 1K user, выделяется зелёным цветом и автоматически выбирается в качестве варианта по умолчанию.
**Revenue per 1K users**: Метрика Revenue per 1K users рассчитывает средний доход, генерируемый на 1 000 пользователей для каждого варианта A/B-теста. Эта метрика помогает оценить эффективность вариантов с точки зрения дохода вне зависимости от общего числа пользователей. Она позволяет сравнивать производительность разных вариантов в стандартизированном масштабе и принимать обоснованные решения на основе эффективности генерации дохода.
**Prediction intervals for revenue 1K users**: Метрика Revenue per 1K users также включает интервалы прогноза. Эти интервалы представляют диапазон, в пределах которого, по прогнозу, будет находиться реальный доход на 1 000 пользователей для данного варианта, исходя из доступных данных и статистического анализа.
В контексте A/B-тестирования, при анализе дохода, генерируемого разными вариантами, мы рассчитываем средний доход на 1 000 пользователей для каждого варианта. Поскольку доход может варьироваться среди пользователей, интервалы прогноза дают чёткое представление о правдоподобных значениях дохода на 1 000 пользователей с учётом вариативности и неопределённости, связанных с процессом прогнозирования.
Включая интервалы прогноза в метрику Revenue per 1K users, Adapty позволяет оценивать эффективность вариантов A/B-теста с учётом диапазона возможных исходов дохода. Эта информация помогает принимать решения на основе данных и эффективно оптимизировать стратегию подписки, принимая во внимание неопределённость в процессе прогнозирования и правдоподобные значения дохода на 1 000 пользователей.
Анализируя эти метрики, предоставляемые Adapty, вы можете получить информацию о финансовых показателях, статистической значимости и эффективности дохода вариантов A/B-теста, что позволяет принимать решения на основе данных и эффективно оптимизировать стратегию подписки.
## Метрики A/B-теста \{#ab-test-metrics\}
Adapty предоставляет исчерпывающий набор метрик для эффективного измерения производительности A/B-тестов, проводимых на вариациях пейвола или онбординга. Эти метрики постоянно обновляются в режиме реального времени, за исключением просмотров, которые обновляются периодически. Понимание этих метрик поможет оценить эффективность различных вариаций и принимать решения на основе данных для оптимизации стратегии пейвола или онбординга.
Метрики A/B-теста доступны в списке A/B-тестов, где можно получить обзор производительности всех ваших A/B-тестов. Это комплексное представление предлагает агрегированные метрики для каждой вариации теста, позволяя сравнивать их производительность и выявлять существенные различия. Для более детального анализа каждого A/B-теста можно обратиться к метрикам деталей A/B-теста. В этом разделе представлены подробные метрики, специфичные для выбранного A/B-теста, позволяющие углубиться в производительность отдельных вариаций.
Все метрики, за исключением просмотров, относятся к продукту в пейволе или онбординге.
## Элементы управления метриками \{#metrics-controls\}
Система отображает метрики на основе выбранного периода времени и организует их в соответствии с параметром левого столбца с тремя уровнями отступов.
### Фильтрация по дате установки профиля \{#profile-install-date-filtration\}
Флажок **Filter metrics by install date** позволяет фильтровать метрики по дате установки профиля вместо стандартных фильтров, которые используют дату пробного периода/покупки для транзакций или дату просмотра для просмотров пейвола или онбординга. Выбрав этот флажок, вы можете сосредоточиться на измерении эффективности привлечения пользователей за конкретный период, согласовав метрики с датой установки профиля. Эта опция полезна для настройки анализа метрик в соответствии с вашими конкретными потребностями.
### Временные диапазоны \{#time-ranges\}
Вы можете выбирать из ряда временных периодов для анализа данных метрик, что позволяет сосредоточиться на конкретных промежутках, таких как дни, недели, месяцы или произвольные диапазоны дат.
### Доступные фильтры и группировка \{#available-filters-and-grouping\}
Adapty предлагает мощные инструменты для фильтрации и настройки анализа метрик под ваши нужды. На странице метрик Adapty доступны различные временные диапазоны, параметры группировки и варианты фильтрации.
- ✅ Фильтровать по: аудитории, атрибуции, стране, пейволу, состоянию пейвола, группе пейволов, онбордингу, плейсменту, стране, стору, продукту и продукту в сторе.
- ✅ Группировать по: продукту и стору.
:::note
При фильтрации по A/B-тесту кросс-плейсментные A/B-тесты отображаются как отдельные дочерние тесты (например, `My test child-0`, `My test child-1`) — по одному на каждый плейсмент. Подробнее см. в разделе [Ограничения кросс-плейсментных A/B-тестов](ab-test-types#crossplacement-ab-test-limitations).
:::
Больше информации о доступных элементах управления, фильтрах, параметрах группировки и способах их использования для аналитики пейвола или онбординга можно найти в [этой документации.](controls-filters-grouping-compare-proceeds)
## График отдельной метрики \{#single-metrics-chart\}
Один из ключевых компонентов страницы метрик пейвола или онбординга — раздел графиков, который наглядно представляет выбранные метрики и облегчает анализ.
Раздел графиков на странице метрик A/B-теста включает горизонтальную столбчатую диаграмму, наглядно представляющую значения выбранной метрики. Каждый столбец диаграммы соответствует значению метрики и пропорционален по размеру, что позволяет легко воспринять данные с первого взгляда. Горизонтальная линия указывает на анализируемый временной период, а вертикальный столбец отображает числовые значения метрик. Общее значение всех метрик отображается рядом с графиком.
Кроме того, нажав на значок стрелки в правом верхнем углу раздела графиков, можно развернуть представление и отобразить выбранные метрики на всей ширине графика.
## Сводка A/B-теста \{#ab-test-summary\}
Рядом с графиком отдельной метрики отображается раздел сводки деталей A/B-теста, который содержит информацию о состоянии, продолжительности, плейсментах и других связанных деталях A/B-теста.
## Определения метрик \{#metrics-definitions\}
Вот ключевые метрики, доступные для A/B-тестов:
### Revenue \{#revenue\}
Revenue представляет общую сумму денег, сгенерированных в USD от покупок и продлений в результате A/B-теста. Она включает первоначальную покупку и последующие продления подписки. Метрика Revenue рассчитывается до вычета комиссии App Store или Play Store.
Подробнее о метриках Revenue для [пейвола](paywall-metrics#revenue) и [онбординга](onboarding-metrics#revenue).
### CR to purchases \{#cr-to-purchases\}
Коэффициент конверсии в покупки измеряет эффективность A/B-теста в плане конвертации просмотров в реальные покупки. Рассчитывается путём деления числа покупок на число просмотров. Например, если было 10 покупок и 100 просмотров, коэффициент конверсии в покупки составит 10%.
### CR trials \{#cr-trials\}
Коэффициент конверсии (CR) в пробные периоды — это число пробных периодов, запущенных из A/B-теста, делённое на число просмотров. CR в пробные периоды измеряет эффективность A/B-теста в конвертации просмотров в активации пробного периода. Рассчитывается путём деления числа запущенных пробных периодов на число просмотров.
### Purchases \{#purchases\}
Метрика Purchases представляет общее число транзакций, совершённых в пейволе или онбординге в результате A/B-теста. Она включает следующие типы покупок:
- Новые совершённые покупки.
- Конверсии из пробных периодов, которые были активированы.
- Даунгрейды, апгрейды и кросс-грейды подписок.
- Восстановления подписок (например, когда подписка истекла без автопродления и впоследствии была восстановлена).
Обратите внимание, что продления не включаются в метрику Purchases.
### Trials \{#trials\}
Метрика Trials указывает общее число активированных пробных периодов в результате A/B-теста.
### Trials cancelled \{#trials-cancelled\}
Метрика Trials cancelled представляет число пробных периодов, в которых автопродление было отключено. Это происходит, когда пользователи вручную отменяют подписку на пробный период.
### Refunds \{#refunds\}
Refunds для A/B-теста представляют число возвратов покупок и подписок, непосредственно связанных с тестируемыми вариациями.
### Views \{#views\}
Views — это число просмотров пейволов или онбордингов, входящих в A/B-тест. Если пользователь посещает дважды, это считается двумя посещениями.
### Unique views \{#unique-views\}
Unique views — это число уникальных просмотров пейвола или онбординга. Если пользователь посещает его дважды, это считается одним уникальным просмотром.
### Probability to be the best \{#probability-to-be-the-best\}
Метрика Probability to be the best количественно оценивает вероятность того, что конкретный вариант в A/B-тесте является наилучшим среди всех протестированных пейволов или онбордингов. Она предоставляет числовую вероятность, указывающую на относительную производительность каждого пейвола или онбординга. Метрика выражается в процентах от 1% до 100%.
### ARPU (Average revenue per user) \{#arpu-average-revenue-per-user\}
Только для A/B-тестов онбординга. Измеряет средний доход, генерируемый от каждого пользователя за определённый период. Рассчитывается путём деления общего дохода на число уникальных пользователей.
### ARPPU (Average revenue per paying user) \{#arppu-average-revenue-per-paying-user\}
ARPPU расшифровывается как Average Revenue Per Paying User (средний доход на платящего пользователя) в результате A/B-теста. Рассчитывается как общий доход, делённый на число уникальных платящих пользователей. Например, если вы получили $15 000 дохода от 1 000 платящих пользователей, ARPPU составит $15.
### ARPAS (Average revenue per active subscriber) \{#arpas-average-revenue-per-active-subscriber\}
ARPAS — метрика, позволяющая измерить средний доход, генерируемый на активного подписчика в результате A/B-теста. Рассчитывается путём деления общего дохода на число подписчиков, активировавших пробный период или подписку. Например, если общий доход составляет $5 000 и у вас 1 000 подписчиков, ARPAS составит $5. Эта метрика помогает оценить средний потенциал монетизации на одного подписчика.
### Proceeds \{#proceeds\}
Метрика Proceeds для A/B-теста представляет фактическую сумму денег, полученных владельцем приложения в USD от покупок и продлений после вычета применимой комиссии App Store / Play Store. Она отражает чистый доход, непосредственно связанный с вариациями, протестированными в A/B-тесте, и напрямую влияет на заработок приложения. Дополнительную информацию о том, как рассчитываются Proceeds, см. в [документации](analytics-cohorts#revenue-vs-proceeds) Adapty.
### Unique subscribers \{#unique-subscribers\}
Метрика Unique subscribers представляет количество уникальных пользователей, оформивших подписку или активировавших пробный период через вариации в A/B-тесте. Каждый подписчик учитывается только один раз, независимо от числа инициированных подписок или пробных периодов.
### Unique paid subscribers \{#unique-paid-subscribers\}
Метрика Unique paid subscribers представляет число уникальных пользователей, успешно совершивших покупку и ставших платными подписчиками через вариации в A/B-тесте.
### Refund rate \{#refund-rate\}
Refund rate для A/B-теста рассчитывается путём деления числа возвратов, непосредственно связанных с вариациями теста, на число первичных покупок (продления исключаются). Например, если было 5 возвратов и 1 000 первичных покупок, refund rate составит 0,5%.
### Unique CR purchases \{#unique-cr-purchases\}
Уникальный коэффициент конверсии в покупки для A/B-теста рассчитывается путём деления числа покупок, непосредственно связанных с вариациями теста, на число уникальных просмотров. Например, если было 10 покупок и 100 уникальных просмотров, уникальный коэффициент конверсии в покупки составит 10%.
### Unique CR trials \{#unique-cr-trials\}
Уникальный коэффициент конверсии в пробные периоды для A/B-теста рассчитывается путём деления числа запущенных пробных периодов, непосредственно связанных с вариациями теста, на число уникальных просмотров. Например, если было запущено 30 пробных периодов и 100 уникальных просмотров, уникальный коэффициент конверсии в пробные периоды составит 30%.
### Completions & unique completions \{#completions--unique-completions\}
Только для A/B-тестов онбординга. Completions подсчитывают количество раз, когда пользователи завершают онбординг через вариации в A/B-тесте, то есть проходят путь от первого до последнего экрана. Если кто-то завершил его дважды, это два **completions**, но одно **unique completion**.
### Unique completions rate \{#unique-completions-rate\}
Только для A/B-тестов онбординга. Число уникальных завершений, делённое на число уникальных просмотров. Эта метрика помогает понять, как пользователи взаимодействуют с онбордингом через вариации в A/B-тесте, и вносить изменения, если вы замечаете, что пользователи его игнорируют.