从我们的 A/B 测试中发现重要数据与洞察，通过比较不同的付费墙和用户引导，了解它们如何影响用户行为、参与度和转化率。通过查看这里的数据图表和结果，您可以做出明智的决策并提升应用的表现。深入数据，发现可操作的洞察，助力应用取得成功。

A/B 测试结果

Adapty 为 A/B 测试结果提供以下三项数据图表：

Revenue：此数据图表显示通过购买和续订产生的 USD 总金额，已扣除退款。它包含初始购买和后续订阅续订。Revenue 帮助您了解每个 A/B 测试实验变体的财务表现，并找出带来最多收入的实验变体。

了解更多关于付费墙和用户引导数据图表的信息。

Probability to be best：Adapty 采用强大的数学分析框架来分析 A/B 测试结果，并提供名为 Probability to be best 的数据图表。该数据图表评估某一特定实验变体在所有测试实验变体中成为最佳表现选项（以长期收入衡量）的可能性。该数据图表以百分比表示，范围为 1% 至 100%。有关 Adapty 如何计算此数据图表的详细信息，请参阅文档。表现最佳的选项（以每千用户收入衡量）将以绿色高亮显示，并自动选定为默认选项。

Revenue per 1K users：每千用户收入数据图表计算每个 A/B 测试实验变体每 1,000 名用户产生的平均收入。无论用户总数如何，该数据图表都能帮助您了解各实验变体的收入效率。它允许您在标准化的尺度上比较不同实验变体的表现，并基于收入产生效率做出明智决策。

Prediction intervals for revenue 1K users：每千用户收入数据图表还包含趋势预测区间。这些趋势预测区间代表根据现有数据和统计分析，特定实验变体每 1,000 名用户的真实收入预计落入的范围。

在 A/B 测试场景中，当分析不同实验变体产生的收入时，我们会计算每个实验变体每 1,000 名用户的平均收入。由于用户之间的收入可能存在差异，趋势预测区间能够清晰地指出每千用户收入的合理范围，同时考虑到趋势预测过程中的变异性和不确定性。

通过将趋势预测区间纳入每千用户收入数据图表，Adapty 使您能够在考虑潜在收入结果范围的同时，评估 A/B 测试实验变体的收入效率。这些信息有助于您做出基于数据的决策，并有效优化订阅策略，同时考虑趋势预测过程中的不确定性以及每千用户收入的合理值。

通过分析 Adapty 提供的这些数据图表，您可以深入了解 A/B 测试实验变体的财务表现、统计显著性和收入效率，从而做出基于数据的决策，有效优化订阅策略。

A/B 测试数据图表

Adapty 提供一套全面的数据图表，帮助您有效衡量在付费墙或用户引导变体上进行的 A/B 测试的表现。除浏览量会定期更新外，这些数据图表均实时持续更新。了解这些数据图表将帮助您评估不同变体的效果，并做出基于数据的决策，以优化付费墙或用户引导策略。

A/B 测试数据图表可在 A/B 测试列表页面查看，您可以在此获取所有 A/B 测试表现的概览。该综合视图为每个测试实验变体提供汇总数据图表，使您能够比较其表现并识别显著差异。如需对每个 A/B 测试进行更详细的分析，您可以访问 A/B 测试详情数据图表。该部分提供针对所选 A/B 测试的深度数据图表，让您深入了解各实验变体的表现。

除浏览量外，所有数据图表均归因于付费墙或用户引导中的产品。

数据图表控件

系统根据所选时间段显示数据图表，并按左侧列参数以三级缩进方式进行组织。

用户画像安装日期筛选

Filter metrics by install date 复选框可根据用户画像安装日期筛选数据图表，而非使用交易的试用/购买日期或付费墙/用户引导浏览日期作为默认筛选条件。勾选此复选框后，您可以通过将数据图表与用户画像安装日期对齐，专注于衡量特定时期的用户获取表现。此选项便于根据您的具体需求自定义数据图表分析。

时间范围

您可以从多种时间段中选择来分析数据图表数据，支持按天、周、月或自定义日期范围等特定时长进行聚焦分析。

可用筛选与分组

Adapty 提供强大的筛选和自定义数据图表分析工具，以满足您的需求。在 Adapty 的数据图表页面，您可以访问多种时间范围、分组选项和筛选功能。

• ✅ 筛选依据：目标受众、归因、国家/地区、付费墙、付费墙状态、付费墙分组、用户引导、版位、国家/地区、商店、产品及产品商店。
• ✅ 分组依据：产品和商店。

您可以在此文档中找到有关付费墙或用户引导分析可用控件、筛选、分组选项及使用方法的更多信息。

单项数据图表

付费墙或用户引导数据图表页面的核心组件之一是数据图表区域，它以可视化方式呈现所选数据图表，便于分析。

A/B 测试数据图表页面上的数据图表区域包含一个水平条形图，以可视化方式呈现所选数据图表的值。图表中的每个条形对应一个数据图表值，大小成比例，便于一目了然地理解数据。水平线表示所分析的时间范围，垂直列显示数据图表的数值。所有数据图表值的总和显示在图表旁边。

此外，点击数据图表区域右上角的箭头图标可展开视图，在图表的完整行中显示所选数据图表。

A/B 测试摘要

在单项数据图表旁边，会显示 A/B 测试详情摘要区域，其中包含有关 A/B 测试的状态、持续时间、版位及其他相关详情信息。

数据图表定义

以下是 A/B 测试可用的关键数据图表：

Revenue

Revenue 表示 A/B 测试产生的购买和续订所带来的 USD 总金额。它包含初始购买和后续订阅续订。Revenue 数据图表在扣除 App Store 或 Play Store 佣金之前计算。

了解更多关于付费墙和用户引导 Revenue 数据图表的信息。

CR to purchases

购买转化率衡量您的 A/B 测试将浏览转化为实际购买的效果。计算方式为购买次数除以浏览次数。例如，若有 10 次购买和 100 次浏览，购买转化率为 10%。

CR trials

试用转化率（CR）是从 A/B 测试中启动的试用次数除以浏览次数。试用转化率衡量您的 A/B 测试将浏览转化为试用激活的效果。计算方式为启动的试用次数除以浏览次数。

Purchases

Purchases 数据图表表示 A/B 测试在付费墙或用户引导中产生的交易总数。包含以下类型的购买：

• 新增购买。
• 已激活试用的试用转化。
• 订阅的降级、升级和跨级。
• 订阅恢复（例如，订阅在未自动续订的情况下过期后被恢复）。

请注意，续订不包含在 Purchases 数据图表中。

Trials

Trials 数据图表表示 A/B 测试中激活的试用总数。

Trials cancelled

Trials cancelled 数据图表表示已关闭自动续订的试用数量。当用户手动取消试用订阅时即发生此情况。

Refunds

A/B 测试的 Refunds 表示与测试变体相关的退款购买和订阅数量。

Views

Views 是 A/B 测试所包含的付费墙或用户引导的浏览次数。如果用户访问两次，则计为两次浏览。

Unique views

Unique views 是付费墙或用户引导的唯一浏览次数。如果用户访问两次，则计为一次唯一浏览。

Probability to be the best

Probability to be the best 数据图表量化了 A/B 测试中某一特定实验变体在所有测试付费墙或用户引导中成为表现最佳选项的可能性。它提供一个数值概率，表示每个付费墙或用户引导的相对表现。该数据图表以百分比表示，范围为 1% 至 100%。

ARPU（每用户平均收入）

仅适用于用户引导 A/B 测试。衡量特定时期内每位用户产生的平均收入。计算方式为总收入除以唯一用户数。

ARPPU（每付费用户平均收入）

ARPPU 是 A/B 测试产生的每付费用户平均收入。计算方式为总收入除以唯一付费用户数。例如，若您从 1,000 名付费用户中获得了 $15,000 的收入，则 ARPPU 为 $15。

ARPAS（每活跃订阅者平均收入）

ARPAS 是一项数据图表，用于衡量运行 A/B 测试期间每位活跃订阅者产生的平均收入。计算方式为总收入除以已激活试用或订阅的订阅者数量。例如，若总收入为 $5,000，订阅者数量为 1,000，则 ARPAS 为 $5。此数据图表有助于评估每位订阅者的平均变现潜力。

Proceeds

A/B 测试的 Proceeds 数据图表表示应用所有者从购买和续订中实际收到的 USD 金额，已扣除适用的 App Store / Play Store 佣金。它反映与 A/B 测试中测试变体相关的净收入，直接贡献于应用的收益。有关 Proceeds 计算方式的更多信息，请参阅 Adapty 文档。

Unique subscribers

Unique subscribers 数据图表表示通过 A/B 测试变体订阅或激活试用的不同用户数量。无论每位订阅者发起多少次订阅或试用，均只计算一次。

Unique paid subscribers

Unique paid subscribers 数据图表表示通过 A/B 测试变体成功完成购买并成为付费订阅者的唯一用户数量。

Refund rate

A/B 测试的退款率计算方式为：与测试变体相关的退款次数除以首次购买次数（不含续订）。例如，若有 5 次退款和 1,000 次首次购买，退款率为 0.5%。

Unique CR purchases

A/B 测试的唯一购买转化率计算方式为：与测试变体相关的购买次数除以唯一浏览次数。例如，若有 10 次购买和 100 次唯一浏览，唯一购买转化率为 10%。

Unique CR trials

A/B 测试的唯一试用转化率计算方式为：与测试变体相关的启动试用次数除以唯一浏览次数。例如，若有 30 次启动试用和 100 次唯一浏览，唯一试用转化率为 30%。

Completions & unique completions

仅适用于用户引导 A/B 测试。Completions 统计用户通过 A/B 测试变体完成用户引导的次数，即从第一屏到最后一屏的完整流程。如果某人完成两次，则计为两次 completions，但只有一次 unique completion。

Unique completions rate

仅适用于用户引导 A/B 测试。唯一完成次数除以唯一浏览次数。此数据图表帮助您了解用户通过 A/B 测试变体与用户引导的互动情况，当您发现用户忽略用户引导时可据此进行优化。