程序化广告行业（71/89）：ABTester与Tag Manager系统深度解析

大家好！一直以来，我都坚信在技术领域，学习是永无止境的过程，而且知识的交流与分享能让我们进步得更快。所以写这篇博客，就是希望能和各位一同深入探索程序化广告行业，在学习的道路上携手共进。今天，咱们接着上次的内容，继续深入了解程序化广告中的ABTester系统和Tag Manager系统。

一、ABTester系统实验设置与数据查看

（一）实验设置详解

编辑器设置：在ABTester系统里，编辑器设置是很重要的一环。通过填写实验网址或者选择加载移动版本页面，能让我们提前预览不同终端设备上的页面效果。比如圈货网的实验，选择加载安卓手机、安卓平板、iPhone、iPad等不同版本页面后，保存设置，编辑器就会重新加载相应页面。这样我们就能直观地看到页面在不同设备上的展示情况，像页面布局是否合理、图片和文字显示是否正常等，以便及时调整优化，确保用户在各种设备上都能有良好的体验。
URL定向：URL定向功能就像是给实验设定了一个“筛选器”。它可以根据用户访问过的指定URL、Cookies特征、来源URL、浏览器类型以及Javascript等条件，筛选出符合条件的用户作为实验群体。举个例子，如果圈货网想针对访问过特定商品详情页的用户进行新页面布局的测试，就可以在URL定向中设置“访问URL包含特定商品详情页网址”的条件，这样只有符合这个条件的用户才会参与到实验中，让测试结果更有针对性。
流量分配：流量分配决定了不同版本的实验页面能获得多少目标人群的流量。我们可以根据需求，为控制版本和各个优化版本分配不同的流量比例。比如在圈货网的实验中，设置参与实验的流量为100%，其中控制版本占50%，四栏版本#1也占50%。通过这样的设置，我们可以同时对比不同版本页面在相同流量下的表现，从而更准确地判断哪个版本更优。
全局CSS和全局Javascript：全局CSS和全局Javascript功能可以让我们在原有版本的基础上，添加额外的CSS样式和Javascript代码，来统一控制所有实验版本的页面。比如，我们可以通过添加CSS样式来调整页面的颜色、字体大小和布局，或者使用Javascript代码来实现一些交互效果，如点击按钮显示隐藏内容等。这样就可以在不改变页面基本结构的情况下，灵活地对页面进行优化和调整。

（二）查看实验数据

当实验版本投入使用后，查看实验数据是评估实验效果的关键步骤。通过对比不同版本的转化数据，如圈货网实验中的订单转化数据，我们可以清楚地看到各个版本的表现。从数据报表中，我们能获取每个版本的测试人数、转化人数、转化率以及置信度等信息。例如，控制版本测试了299718人，转化人数为12501人，转化率为4.171%；而四栏版本#1测试了350709人，转化人数达到20843人，转化率为5.943%。通过计算提升率（四栏版本#1相较于控制版本提升了42.5%），我们可以得出结论：在这个实验中，四栏版本#1的效果更优，更能促进用户下单购买。

二、Tag Manager系统实例解析

（一）代码部署的传统困境

在数字营销过程中，广告监测、网站/App监测以及各种第三方运营工具的部署都需要进行代码埋点，也就是把代码部署到网站/App的源代码中。但由于前端代码安全性和技术实现的复杂性，这项工作通常由专业技术开发人员来完成。运营人员提出需求后，双方需要反复沟通确认开发排期，不仅耗时费力，而且在反复修改和调整代码的过程中，前端代码的管理也变得非常困难。

（二）Tag Manager系统的解决方案

添加项目和窗口：Tag Manager系统为解决这些问题提供了便利。以圈货网的Web页面为例，使用Tag Manager系统时，首先要添加项目和窗口。我们需要填写项目名称（如“圈货网”）和容器名称（如“圈货网布码容器”），并选择容器类型（Web页面、iOS或Android）。一个项目可以包含多个容器，而一个容器只属于一个项目。一般来说，每个网站或App都需要创建一个对应的容器，用来整合要部署的代码。保存项目设置后，系统会生成容器对应的代码，开发人员将这段代码部署到网站源代码后，运营人员就可以在Tag Manager系统中轻松进行代码的添加、修改、删除、调试和发布等操作，大大提高了工作效率。
代码管理与操作：从容器的代码列表中，我们可以看到同一个容器下不同作用的多个代码段，如DSP基础代码、DNA代码、PCMP代码等。运营人员可以根据实际需求，在这个系统中对这些代码进行管理和操作。比如，如果需要添加新的监测代码，只需在系统中进行相应设置，而无需再像以前那样依赖开发人员修改源代码，这极大地简化了代码管理的流程。

三、代码实例加深理解

为了更好地理解ABTester系统中的流量分配原理，我们来看一个简单的Python代码示例，模拟不同版本页面的流量分配和用户访问情况。

import random# 设定总用户数
total_users = 100000
# 设定流量分配比例
control_version_ratio = 0.5
four_column_version_ratio = 0.5# 模拟用户访问
control_version_visitors = 0
four_column_version_visitors = 0for _ in range(total_users):random_number = random.random()if random_number < control_version_ratio:control_version_visitors += 1else:four_column_version_visitors += 1print(f"控制版本访问人数: {control_version_visitors}")
print(f"四栏版本访问人数: {four_column_version_visitors}")