触发方式
特征触发：依据事前制定的属性规则触发用户，比如地域，活跃度<br>
行为触发：用户需要触发某个动作，或者到达某一页面，改动曝光给用户<br>
扩大触发：特点：实验组的策略在线上已有，是限定了范围人群。实验的目的就是扩大这个范围。比如免运费策略之前是100元起，现在扩大到50元起。
更改范围触发：特点：实验策略线上已有，限定了范围人群。实验的目的是更改部分的范围人群，比如免运费策略之前是100元起，但现在改为50元且需要7天内无退货（对100元以上也是如此）。这导致原100元免运费群体出现不免费情况。
虚拟事实触发：比如对线上用户聚类模型迭代。实验要分析的人群应该是新模型与旧模型分类有差异的用户。为了知道某个用户在新旧模型中属于哪个用户分类，需要对照组同步运用新模型，实验组同步运行旧模型，用于记录用户在两个模型的分类结果。
触发实验的分析
注意事项
一旦用户进入实验组，该用户后续的数据也要放到实验组。比如特征触发下：实验针对一线用户，当用户触发后又移动到二线城市，其后续行为也需要统计。在行为触发场景下：比如实验针对最近30天不活跃用户召回短信，用户点击短信活跃后，其后续行为需要统计到实验组。<br>
因为指标统计是整个实验期间，但用户触发可能发生在中段，其前面的行为未在实验组中，如何处理？一般是忽略这个差异，直接统计全量<br>
实验效果指标
染色指标：全局的指标分流可以称为染色日志。所有大盘用户都参与指标计算，计算出的指标称为染色指标，代表的是大盘的影响和变化，优点是可以反映大盘的变化，缺点是不容易检出实验效果。<br>
触发指标：真实参与实验用户被称为实验参与用户，也就是也就是触发用户、命中用户。计算出的指标称为参与指标、触发指标，优点是容易检验出效果，缺点是可能无法直接反映对大盘的整体效果<br>
计算
触发的是大盘用户（行为触发）：不需要稀释百分比
触发的是特征用户（特征触发）：比如实验仅对高活用户，需要考虑触发率
如何验证触发实验提升了灵敏性（系统）
空转实验（AA实验），计算第一类错误的发生率，降低了发生率即提升了灵敏性
固定收益实验：即在AB实验的基础上假定一个指标的提升量，统计实际AB结果显著性与假定提升量的一致性，并将一致的占比记为召回率。看召回率的提升情况。<br>
