> ## Documentation Index
> Fetch the complete documentation index at: https://devdocs.xbox.com/llms.txt
> Use this file to discover all available pages before exploring further.

# 实验

> PlayFab 实验概述，用于在线上游戏中运行 A/B 和多变量测试，以严谨的统计方法优化参与度、货币化和留存率。

# 实验

## 概述

PlayFab **实验**功能帮助你识别游戏的最佳策略。它通过帮助你运行多个并发实验并确保统计可信度来实现这一点。

你可以通过比较不同版本的游戏配置、定价模型和触达机制来提升玩家体验，并通过实验为你的游戏目标（参与度、货币化、留存率等）确定最佳变体。

### PlayFab 实验的功能

PlayFab 实验是一个为你的游戏运行实验而量身定制的解决方案。它由 Microsoft 的内部实验平台提供支持，该平台解锁了 Minecraft、Azure、Office、Bing 和许多其他 Microsoft 产品使用的一流功能。
PlayFab 实验通过提供以下功能为你提供支持：

* 通过 PlayFab Game Manager 上的（交互式和自我引导式）用户界面以及可扩展的 API 创建和管理多个并发实验。
* 通过利用现有流量以随机但受控的方式定位所需受众。你可以在一个分段上进行实验，并定义每个变体中目标受众的百分比。
* 安排实验或立即运行。
* 分析实验的记分卡结果。记分卡计算可靠，具有丰富的统计详细信息。这为你提供了统计显著性的指示，并在观察到样本比率不匹配时发出警报。
* 与其他 PlayFab 服务（如游戏数据、玩家个人资料、PlayStream 事件、CloudScript 和 Insights Explorer 等）的集成能力。

### 使用 PlayFab 实验变体的实验配置

实验会比较游戏配置，无论是游戏内体验还是其他游戏增长策略。这些配置可以通过游戏代码启用，并映射到变体-变量对或变体-覆盖对。每个配置都很容易映射到实验的变体，以启用任何游戏体验。

对照体验映射到对照变体，并与映射到处理变体的一个或多个处理体验进行比较，以研究玩家行为并确定哪个变体体验或配置效果更好。

#### 映射到变量的游戏配置（无需部署新代码）

* 每个配置都可以轻松映射到变体，其中每个变体都由变量支持。这些变量允许你通过参数化来捆绑一组不同的游戏体验。

#### 作为游戏配置的覆盖（无需更改游戏代码）

* 使用 PlayFab 服务的游戏配置可以通过覆盖进行实验，无需添加任何额外代码。
* 覆盖是配置的子集，其中包含对默认游戏数据的修改，可用作实验中的变体。目前，仅在使用游戏数据时才可进行带覆盖的实验。
  * 涉及游戏数据的配置是一组键值对，非常适合在服务器上存储和管理游戏的远程配置。它使游戏范围的配置变量可访问且有组织，可以在客户端进行检索。

<Note>
  对于使用覆盖的并发实验，建议在互斥的目标受众上进行实验。这将确保覆盖配置的正确分配，并且客户端上没有交互。因此，产生统计上正确的实验设计，从而得出正确的分析结果。
</Note>

### PlayFab 实验一览

<img src="https://mintcdn.com/microsoft-4404708b/59DtlsYffqki5YJ_/images/playfab/live-service-management/game-configuration/experiments/tutorials/experiments-at-a-glance.webp?fit=max&auto=format&n=59DtlsYffqki5YJ_&q=85&s=4ff9126a32464b488ecf2defbe8e7af0" alt="实验一览的屏幕截图" width="1696" height="783" data-path="images/playfab/live-service-management/game-configuration/experiments/tutorials/experiments-at-a-glance.webp" />

PlayFab 实验使你能够以受管和受控的方式运行多个并发的随机实验。在此过程中，

* 每个正在运行的实验的变体组的唯一标识符（称为变体 ID）会标记到每个玩家个人资料上。这些变体 ID 通过客户端或服务器端代码分配给不同的处理。因此，用不同的处理行为进行检测。
* 每个变体组都由变量支持和定义。这些变量是变体组上的属性，允许你通过参数化捆绑一组不同的游戏体验。
* 提供具有统计显著性计算的实验结果的可靠计算。
* 当目标受众流量偏离时进行问题检测。这通常是由处理导致崩溃或影响日志记录引起的。PlayFab 的实验功能会标记此类问题，使你能够运行可靠的实验。

<img src="https://mintcdn.com/microsoft-4404708b/3hg2JQs0m7qmDqay/images/playfab/live-service-management/game-configuration/experiments/tutorials/onboarding-experiments-page.PNG?fit=max&auto=format&n=3hg2JQs0m7qmDqay&q=85&s=b73b027e4df0bef4bd54ee98716fd25a" alt="加入实验的屏幕截图" width="3000" height="1081" data-path="images/playfab/live-service-management/game-configuration/experiments/tutorials/onboarding-experiments-page.PNG" />


## Related topics

- [实验](/zh-CN/services/playfab/live-service-management/game-configuration/experiments/index.md)
- [实验关键术语](/zh-CN/services/playfab/live-service-management/game-configuration/experiments/experimentation-key-terms.md)
- [实验中的排除组](/zh-CN/services/playfab/live-service-management/game-configuration/experiments/exclusion-groups.md)
- [实验最佳实践和建议](/zh-CN/services/playfab/live-service-management/game-configuration/experiments/experimentation-keys.md)
- [实验室平台基线](/zh-CN/build/game-principles/sustainability/lab-platform-baselines.md)