AB测试名称
AB测试也叫双盲测试、对比测试、对照测试、分桶测试，分拆测试、受控测试、假设检验等，英文：AB Test，A/B Test, AB Testing, Bucket Testing, Split Test等。
AB测试历史
AB测试的思想源于人类分析问题和决策判断的基本方法 – 比较。俗话说：不怕不识货就怕货比货，通过比较可以很容易判断事物的优劣。单独评判某一个事物，需要该领域较全面的知识和较强的分析能力。如果把事物跟与它同类的另一个事物放在一起对比，即使没有该领域全面的知识和很强的分析能力，也可以在两个事物的对照中，看出优劣。因此，比较是人类分析和解决问题的一个基本和常用的方法。
比较的方法应该随着人类的出现就已经出现，甚至更早。比较方法的应用也非常广泛，无所不在。如果设计出一些指标，根据这些指标量化衡量两种事物的差别，比较的过程就会变得更加简单，比较的结果也更加有效。
有一种场景是比较两个群体的差异，而这两个群体的数量如此庞大，以至于无法获得两个群体的全部信息。人们希望分别抽取两个群体中的一部分个体作为各自群体的代表，进行比较，这就是AB测试的应用场景。被抽取出来的“代表”叫做样本，有了两组样本，加上设计出来的指标，就可以算出两组样本的差别。但是，由于样本不是全部群体，他们是否能够很好的“代表”整个群体呢？这里面就有随机和不确定的问题，看起来似乎样本数越高就约可靠，那么到底需要抽出多少样本数量，才能可靠的代表整个群体呢？
随着近代数学尤其统计学的发展，人们发现AB测试的应用场景越来越能够通过数学（统计学）手段进行量化分析。在19世纪初，有数学家发明了用于AB测试的算法，回答了基于样本的比较结果是否可靠，以及需要抽取多少样本数的问题。
AB测试算法
Z检验（Z-test）和T检验（T-test）是AB测试领域常用的两种算法。Z检验主要用于严格条件下比较两组样本均值差异；T检验主要用于宽松条件下比较两组样本均值差异。Z检验一般用于每组50个样本以上的情况，而T检验可以用于较少样本情况。随着样本数量的增大，Z检验和T检验的计算结果接近相同。
AB测试在各行业中的应用
AB测试在很多行业中都得到了应用，比如前面提到的医药领域，通过AB测试（双盲测试）评估药物疗效，西药在上市销售之前必须经过双盲测试，而且双盲测试有着非常规范和严格的实施流程。
AB测试在线上系统中的应用
在互联网应用中使用AB测试，始于2000年互联网泡沫破灭，google在2000将AB测试引入到线上业务系统中，经过不断的完善和发展，AB测试已经成为google业务系统重要的组成部分，google业务的任何变化都要先通过AB测试的验证才能正式发布。
AB测试的价值和意义
从管理的角度，AB测试可以避免线上系统可能遇到的两种极端情况：不修改和乱修改。由于没有准确的评估手段，对迭代修改缺乏评估手段，修改后造成业务剧烈震荡，最后索性不再修改或很少修改；由于没有准确的评估手段，业务起伏的原因无法溯源，加上管理不严，就会造成乱修改。