Có một số cách tiếp cận để thực hiện thử nghiệm A / B Bayes.
Trước hết, bạn nên quyết định xem bạn muốn sử dụng phương pháp phân tích (sử dụng phân phối liên hợp như đề cập của Lenwood) hay phương pháp MCMC. Đối với các thử nghiệm A / B đơn giản, đặc biệt là về tỷ lệ chuyển đổi là trường hợp của bạn, thực sự không cần sử dụng phương pháp MCMC: chỉ cần sử dụng phân phối Beta làm phân phối trước và phân phối sau của bạn cũng sẽ là phân phối Beta.
Sau đó, bạn cần quyết định áp dụng quy tắc nào. Ở đây, dường như có hai cách tiếp cận chính để ra quyết định. Cuốn đầu tiên dựa trên một bài báo của John Kruschke từ Đại học Indiana (K. Kruschke, Bayesian Ước tính thay thế bài kiểm tra , Tạp chí Tâm lý học thực nghiệm: General, 142, 573 (2013).). Quy tắc quyết định được sử dụng trong bài viết này dựa trên khái niệm Vùng tương đương thực tế (ROPE).
Một khả năng khác là sử dụng khái niệm về tổn thất dự kiến. Nó đã được đề xuất bởi Chris Stucchio (C. Stucchio, Thử nghiệm A / B Bayesian tại VWO ).
Về nguyên tắc, bạn có thể sử dụng một quy tắc quyết định khác nhau.
Bạn có thể tìm thấy điều này và nhiều hơn nữa trên bài đăng trên blog này: Thử nghiệm A / B Bayesian : hướng dẫn từng bước . Nó cũng bao gồm một số đoạn mã Python và sử dụng dự án Python được lưu trữ trên Github .