“我想知道怎样才能让他们睡得更多。”我妻子表达的这个简单的想法，甚至连一个问题都没有，对我来说成了一个挑战。我的工程师意识到这是一个需要解决的问题，当软件开发人员看到一个问题时，他们就会设计测试。幸运的是，我知道在可控和可测量的环境中测试一些想法的完美系统。如果是双胞胎，测试就更容易了。欢迎来到育儿，A/B测试风格。

这篇文章最初出现在《逃亡的爸爸》上。

A/B测试在整个网络上都被使用。你可能会遇到它几十次，如果不是每天几百次，甚至没有注意到它。所有的大型科技公司都这样做，用它作为测试想法的表现和衡量它们的工具。谷歌以测试41种蓝色的搜索结果而闻名。据称，设计师无法决定使用两种色调中的哪一种，因此他们总共测试了41个，以查看哪些导致用户点击结果的次数越多。Facebook不断测试提要中的不同体验。亚马逊甚至经常在购买按钮和购物车布局上进行更改。如果你从一台新电脑登录，或者看到朋友使用的网站看起来与你的网站有微妙的不同，你可能会注意到这些。

A/B测试用于测试一个或多个“治疗”或“对照”或现有经验的实验。度量标准通常是基于用户操作（例如，通过单击或“转换”）来度量的，其基线与控件相对。以Google为例，他们可能测试用户点击至少一个不同颜色的结果的可能性。经过统计上显著的一段时间后，通常是一周或两周，无论哪种经验有更好的比率都会被选为胜利者，并成为新的控制。当多个实验同时运行或者用户的百分比不相等时，这就变得非常复杂了。这里需要复杂的统计学知识。或者使用任何一种强大的测试工具。在Audible和Amazon，我们一直在测试这样的体验。这是了解用户实际行为的最佳方式，因为用户通常会说他们将做什么，而他们所做的可能略有不同。

我决定用这个方法来测试孩子们，看看我们是否能提高家里所有有10周大孩子的人，尤其是双胞胎的最重要的指标：睡眠时间。用其中一个男孩作为对照，另一个作为治疗——不管现在没有人会用“控制”或“治疗”来描述我们生活的任何部分——我测试了几个以对照为基础的关于睡眠时间的理论。

在任何实验中，精确的测量和数据跟踪都是至关重要的。通常，根据数据的可用性或测量能力选择一个成功指标。您不希望尝试度量比更改测试或测试输入所花费的时间更长的东西。幸运的是，测量睡眠是非常容易的。当他们晚上醒来，我们就把它写下来。这正是我们从他们出生那天起就一直在做的事情，自从医院的护士给我们灌输这一理念以来。我们已经看了好几本笔记本了，但很容易追踪。为此，我们甚至开始将数据导入电子表格，以便更直观地查看影响。

首先，我们测试了在睡前增加喂食量。我们试了5盎司，然后是6盎司，而不是正常的4盎司。为了防止一个孩子的偏见，我们轮流测试和控制谁，因为他们似乎是好的和坏的周期。一个孩子晚上的进食量较大，另一个孩子的进食量为4盎司。结果：没有定论。在这段时间里，两个孩子似乎都开始增加睡眠时间。他们两人的睡眠时间也几乎完全相同。有一天晚上，进食量的增加与创纪录的5.5小时睡眠相关，但在这个数据集中有一个数据点是不重要的。这也很难继续测试，因为任何超过5盎司的食物都很有可能在吃完几分钟后被吐出来。

接下来是一个秘密，在网上家长博客的黑暗角落里悄悄传来传去，至少在我的办公室里是这样。好吧，也许这不是什么秘密，但我们花了一段时间去尝试。据推测，这种草药和香料的混合物，与肯德基的混合物相反，会解决胃部回流和气体，特别是一夜之间，导致更长的睡眠。经过一周的测试，我们发现它确实有助于反流，特别是呕吐，虽然我们没有跟踪个人打嗝或放屁，似乎也减少了他们。不过，睡眠时间并没有受到太大影响。我们确实看到平均在20到30分钟之间有一个小的增长，但这可能是由于年龄的增长而自然增长的。

在抱怨水之后，这成为了新的控制，我们在睡前测试了额外的喂养。不管怎样，孩子们都开始自然而然地自己动手了，我们一直在努力阻止。然而，这似乎是一个时机成熟的测试，所以我们给了它一个机会。许多孩子会在睡前“群集”喂食，在睡前喂食一次后的很短时间内，就在睡前。我们在前一次喂食后1.5到2小时喂食，而正常情况下是3小时。在这个喂食中，我们尝试了4盎司，而他们通常在白天喂食4-5盎司。有时他们会拒绝超过3次。在所有的实验中，这似乎效果最好。结果，我们发现睡眠时间延长了一个小时，虽然通常要到实验开始的几天，但这显然需要时间来影响睡眠模式。A/B测试的一个很好的教训是，当人们想出新的治疗方法并进行调整时，有时会有几天的调整期。不过，重要的是要同时记录调整期结果和工作地点差价调整结果。众所周知，苹果忽略了几款产品发布的调整期，尤其是地图。

最后，我们测试了让他们白天保持清醒的时间。我们的假设是，他们因此在晚上会更累，因此会睡得更长。这可能是有点道理的，我们看到睡眠时间略有增加，但我们没有考虑到让他们保持清醒，让他们不开心会带来的压力和疲惫。由于过度劳累和烦躁，让他们在晚上安顿下来睡觉的时间也明显延长。测试的教训是：不要为了一个指标的小收益而牺牲其他指标。

其中许多测试都没有结论。这在很大程度上是由于相同的大小。对于像Facebook这样的样本群体，测试可以在很小的范围内完成，并且可以很快获得统计显著性。对于双胞胎来说，很难知道什么是真正的结果，什么是个性或自然发展。为了更准确地测试，我们可能需要增加样本量。三胞胎就可以派上用场了。也许只是别人的三胞胎，但我们绝对没有准备好！

这也显示了测试度量迭代过程的重要性。尽管有几种方法并没有显示出很大的改进，但把它们放在一起就可以了。当处理优于控制时，使用该处理作为控制，小的改进就会层出不穷。通过继续快速尝试新事物并继续前进，很容易想出新的想法来尝试。你不需要移山，只要在很长一段时间内移开一小把泥土就行了。有了这种育儿方法，男孩们也能不断成长。幸运的话，我们的理智、幸福和作为父母的生活也会如此。

我是如何使用A/B测试来攻击我的孩子们的

《奔走的爸爸》是一个来自第一次同卵双胞胎和马拉松运动员父亲的个人故事和经历的集合。做爸爸的高低，泪水和微笑。

顶部照片由Giu Vicente通过Unsplash。