트래픽 배분: CheckoutOS 문서

트래픽 배분은 방문자를 실험 변형 사이에 어떻게 나눌지 결정해요. 적절한 배분 전략은 통계적 검정력과 비즈니스 위험의 균형을 맞춰요.

배분 기본 사항

방문자가 결제 단계에 들어오면 CheckoutOS는 트래픽 배분 설정에 따라 무작위로 변형을 배정해요. 한 번 배정되면 해당 세션 전체와 이후 방문에서도 같은 변형을 유지해요.

트래픽 배분 예시

{
  "traffic_allocation": {
    "method": "random",
    "variants": [
      { "name": "Control", "weight": 50 },
      { "name": "Variant A", "weight": 50 }
    ],
    "sticky_assignment": true,
    "assignment_key": "visitor_id"
  }
}

배분 전략

균등 분할(50/50)

대부분의 실험에 사용하는 표준 방식이에요.

가장 빠른 유의성 도달 — 표본 크기를 같게 하면 검정력이 최적화돼요
간단한 분석 — 계산에 가중치를 적용할 필요가 없어요
적합한 대상 — 대부분의 일반적인 A/B 테스트

보수적 분할(90/10)

영향이 클 수 있는 변경을 테스트할 때 위험을 최소화해요.

낮은 위험 — 10%만 새로운 경험을 보게 돼요
더 느린 결과 — 유의성에 도달하는 데 시간이 더 걸려요
적합한 대상 — 대규모 변경, 새로운 기능, 위험이 큰 실험

보수적 배분

{
  "traffic_allocation": {
    "variants": [
      { "name": "Control", "weight": 90 },
      { "name": "New Checkout Flow", "weight": 10 }
    ]
  }
}

점진적 도입

변형에 노출되는 비율을 점차 높여요.

점진적 배분

{
  "traffic_allocation": {
    "method": "ramped",
    "stages": [
      { "day": 1, "control": 95, "variant": 5 },
      { "day": 3, "control": 80, "variant": 20 },
      { "day": 7, "control": 50, "variant": 50 }
    ],
    "auto_progress": true,
    "hold_on_degradation": true
  }
}

점진적 도입을 사용할 때

테스트의 이점을 얻으면서 위험을 최소화해야 할 때 점진적 도입을 사용하세요. 변형의 성과가 낮아도 영향은 작은 비율로 제한돼요.

다중 슬롯머신 방식

성과가 더 좋은 변형으로 트래픽을 자동으로 이동해요.

밴딧 배분

{
  "traffic_allocation": {
    "method": "bandit",
    "algorithm": "thompson_sampling",
    "exploration_rate": 0.1,
    "optimize_for": "revenue_per_visitor",
    "minimum_traffic_per_variant": 0.05
  }
}

밴딧 방식의 장단점

장점: 테스트 중 매출을 극대화해요
장점: 성과에 맞춰 자동으로 조정돼요
단점: 유의성을 계산하기 더 어려워요
단점: 너무 일찍 수렴할 수 있어요

대상 고객 설정

특정 고객 세그먼트에서 실험을 실행해요.

대상 지정 실험

{
  "audience": {
    "include": [
      { "type": "customer_tag", "value": "vip" },
      { "type": "order_count", "operator": "gte", "value": 2 }
    ],
    "exclude": [
      { "type": "customer_tag", "value": "wholesale" }
    ],
    "percentage_of_audience": 100
  }
}

타기팅 옵션

고객 태그와 세그먼트
신규 방문자와 재방문자
주문 이력(첫 구매, 재구매)
장바구니 금액 기준값
지리적 위치
기기 유형(모바일, 데스크톱)
트래픽 소스(자연 유입, 유료, 추천 유입)

제외 규칙

특정 방문자가 실험에 참여하지 못하도록 해요.

제외 설정

{
  "exclusions": {
    "other_experiments": ["experiment-123", "experiment-456"],
    "customer_segments": ["employees", "testers"],
    "conditions": [
      { "type": "cart_value", "operator": "lt", "value": 20 }
    ]
  }
}

상호 배제

여러 실험을 실행할 때는 충돌하지 않도록 하세요. 추가 판매 가격 테스트에 참여한 고객이 추가 판매 배치 테스트에도 참여하면 안 돼요. 결과에 교란이 생기기 때문이에요.

표본 크기 계산기

CheckoutOS에는 표본 크기 계산기가 내장되어 있어요. 다음을 입력하세요.

기준 전환율 — 현재 성과예요
최소 감지 효과 — 감지할 가치가 있는 가장 작은 개선 폭이에요
통계적 유의성 — 일반적으로 95%예요
통계적 검정력 — 일반적으로 80%예요

계산기는 필요한 방문자 수와 현재 트래픽 수준에서 테스트에 걸리는 대략적인 시간을 알려줘요.

권장 방법

트래픽 배분 팁

50/50으로 시작해요 — 다른 비율을 써야 할 이유가 없다면 균등하게 나누세요
배정을 고정해요 — 방문자는 일관된 경험을 봐야 해요
테스트 중 배분을 바꾸지 않아요 — 결과가 무효화돼요
다른 실험을 제외해요 — 상호 작용 효과를 피하세요
비즈니스 주기를 고려해요 — 온전한 주 단위로 테스트를 실행하세요

트래픽 배분