---
title: "트래픽 배분: CheckoutOS 문서 | Chargezen"
description: "A/B 테스트에서 트래픽을 효과적으로 나누는 방법. Chargezen CheckoutOS 문서의 A/B 테스트 섹션에 있어요."
url: "https://chargezen.com/ko/docs/checkoutos/ab-testing/traffic"
lang: "ko"
updated: "2025-01-16"
---

Canonical URL: https://chargezen.com/ko/docs/checkoutos/ab-testing/traffic

# 트래픽 배분

A/B 테스트에서 트래픽을 효과적으로 나누는 방법

마지막 업데이트: 2025-01-16

**트래픽 배분**은 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

```json
{
  "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

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

### 점진적 도입

변형에 노출되는 비율을 점차 높여요.

점진적 배분

```json
{
  "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

```json
{
  "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

```json
{
  "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

```json
{
  "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

## 관련 주제

[

### 실험 만들기

A/B 테스트 설정 방법

자세히 보기



](https://chargezen.com/ko/docs/checkoutos/ab-testing/creating)[

### 결과 분석

실험 데이터를 해석해요

자세히 보기



](https://chargezen.com/ko/docs/checkoutos/ab-testing/results)

이 페이지가 도움이 되었나요?

도움이 더 필요하신가요? [고객 지원 문의](https://chargezen.com/ko/docs/checkoutos/troubleshooting/support)