لمحة عن اختبارات A/B من Firebase

لمساعدتك في زيادة مدى صلة نتائج الاختبار وفائدتها، تقدّم هذه الصفحة معلومات مفصّلة عن طريقة عمل Firebase A/B Testing.

حجم العينة

لا يتطلّب استنتاج Firebase A/B Testing تحديد الحد الأدنى لحجم العينة قبل بدء التجربة. بشكلٍ عام، يجب اختيار أكبر مستوى تعرّض للتجربة يناسبك. تزيد أحجام العينات الأكبر من فرص العثور على نتيجة ذات دلالة إحصائية، لا سيما عندما تكون الاختلافات في الأداء بين النُسخ التجريبية صغيرة. قد يكون من المفيد أيضًا الرجوع إلى حاسبة حجم العينة على الإنترنت للعثور على حجم العينة المقترَح استنادًا إلى خصائص تجربتك.

تعديل التجارب

يمكنك تعديل مَعلمات محدّدة للتجارب الجارية، بما في ذلك:

  • اسم التجربة
  • الوصف
  • شروط الاستهداف
  • قيم النُسخ التجريبية

لتعديل تجربة:

  1. في وحدة تحكّم Firebase، انتقِل إلى DevOps والتفاعل > اختبار A/B.
  2. افتح صفحة النتائج للتجربة التي تريد تعديلها.
  3. من قائمة المزيد ، اختَر تعديل التجربة الجارية.
  4. أدخِل تغييراتك، ثم انقر على نشر.

يُرجى العِلم أنّ تغيير سلوك التطبيق أثناء إجراء تجربة قد يؤثّر في النتائج.

منطق تحديد النُسخ التجريبية في "الإعداد عن بُعد"

يتم تحديد النُسخ التجريبية للمستخدمين الذين يستوفون جميع شروط استهداف التجربة (بما في ذلك شرط النسبة المئوية للتعرّض) استنادًا إلى أوزان النُسخ التجريبية وتجزئة رقم تعريف التجربة ورقم تعريف التثبيت الخاص بالمستخدم Firebase.

Google Analytics تخضع شرائح الجمهور لوقت الاستجابة ولا تتوفّر على الفور عندما يستوفي المستخدم في البداية معايير شريحة الجمهور:

  • عند إنشاء شريحة جمهور جديدة، قد يستغرِق تجميع مستخدِمين جدد بها فترةً تتراوح بين 24 و48 ساعة.
  • عادةً ما يتم تسجيل المستخدِمين الجدد في شرائح الجمهور المؤهَّلة بعد 24 إلى 48 ساعة من استيفائهم شروط الأهلية.

للاستهداف الحساس للوقت، ننصحك باستخدام خصائص المستخدِمين Google Analytics أو خيارات الاستهداف المُضمَّنة، مثل البلد أو المنطقة واللغة، وإصدار التطبيق.

بعد أن يبدأ المستخدم تجربة، يتم تعيينه بشكلٍ دائم إلى النُسخة التجريبية ويتلقّى قيم المَعلمات من التجربة طالما أنّ التجربة نشطة، حتى إذا تغيّرت خصائص المستخدِم ولم يعُد يستوفي معايير استهداف التجربة.

أحداث التفعيل

تقتصر عملية قياس التجربة على مستخدِمي التطبيق الذين يبدأون حدث التفعيل. لا يؤثّر حدث تفعيل التجربة في مَعلمات التجربة التي يجلبها التطبيق، وسيتلقّى جميع المستخدِمين الذين يستوفون معايير استهداف التجربة مَعلمات التجربة. وبالتالي، من المهم اختيار حدث تفعيل يحدث بعد جلب مَعلمات التجربة وتفعيلها، ولكن قبل استخدام مَعلمات التجربة لتعديل سلوك التطبيق.

أوزان النُسخ التجريبية

أثناء إنشاء التجربة، من الممكن تغيير أوزان النُسخ التجريبية التلقائية لوضع نسبة مئوية أكبر من مستخدِمي التجربة في إحدى النُسخ التجريبية.

تفسير نتائج الاختبار

Firebase A/B Testing يستخدم الاستنتاج المتكرّر لمساعدتك في فهم مدى احتمال حدوث نتائج تجربتك بسبب الصدفة فقط. يتم تمثيل هذا الاحتمال بقيمة احتمالية أو قيمة احتمالية. القيمة الاحتمالية هي احتمال حدوث فرق في الأداء بهذا الحجم أو أكبر بين نُسختَين تجريبيتَين بسبب الصدفة إذا لم يكن هناك أي تأثير فعلي، ويتم قياسها بقيمة تتراوح بين 0 و1. يستخدم A/B Testing مستوى أهمية يبلغ 0.05، لذا:

  • تشير القيمة الاحتمالية الأقل من 0.05 إلى أنّه إذا كان الفرق الحقيقي صفرًا، هناك احتمال أقل من% 5 لحدوث فرق مرصود بهذا الحجم بشكلٍ عشوائي. بما أنّ 0.05 هي القيمة الحدّية، تشير أي قيمة احتمالية أقل من 0.05 إلى وجود فرق ذي دلالة إحصائية بين النُسخ التجريبية.
  • تشير القيمة الاحتمالية الأكبر من 0.05 إلى أنّ الفرق بين النُسخ التجريبية ليس مهمًا من الناحية الإحصائية.

يتم تعديل بيانات التجربة مرة واحدة يوميًا، ويظهر آخر وقت للتعديل في أعلى صفحة نتائج التجربة.

يعرض الرسم البياني لنتائج التجربة متوسّط القيم التراكمية للمقياس المحدّد. على سبيل المثال، إذا كنت تتتبّع "الإيرادات الإعلانية لكل مستخدِم" كمقياس، يعرض الرسم البياني الإيرادات المرصودة لكل مستخدِم، وإذا كنت تتتبّع "المستخدِمين الذين لم يتعرّضوا لأي عطل"، يتتبّع الرسم البياني النسبة المئوية للمستخدِمين الذين لم يتعرّضوا لأي عطل. هذه البيانات تراكمية منذ بداية التجربة.

يتم تقسيم النتائج إلى البيانات المرصودة وبيانات الاستنتاج. يتم احتساب البيانات المرصودة مباشرةً من بيانات "إحصاءات Google"، وتوفّر بيانات الاستنتاج قيمًا احتمالية وفواصل ثقة لمساعدتك في تقييم الأهمية الإحصائية للبيانات المرصودة.

لكل مقياس، يتم عرض الإحصاءات التالية:

البيانات المرصودة

  • إجمالي قيمة المقياس الذي يتم تتبّعه (عدد المستخدِمين الذين تم الاحتفاظ بهم، وعدد المستخدِمين الذين تعرّضوا لعطل، وإجمالي الإيرادات)
  • المعدّل الخاص بالمقياس (معدّل الاحتفاظ بالمستخدِمين، ومعدّل الإحالات الناجحة، والإيرادات لكل مستخدِم)
  • الفرق المئوي (التحسّن) بين النُسخة التجريبية والنُسخة الأساسية

بيانات الاستنتاج

  • يعرض **فاصل الثقة بنسبة ‎95% (الفرق في المتوسّطات) نطاقًا يحتوي على القيمة "الحقيقية" للمقياس الذي يتم تتبّعه بثقة بنسبة ‎95%. على سبيل المثال، إذا أدّت تجربتك إلى فاصل ثقة بنسبة ‎95% لإجمالي الإيرادات المقدَّرة بين 5 و10 دولارات أمريكية، هناك احتمال بنسبة ‎95% بأن يكون الفرق الحقيقي في المتوسّطات بين 5 و10 دولارات أمريكية. إذا كان نطاق فاصل الثقة يتضمّن 0، لم يتم رصد فرق ذي دلالة إحصائية بين النُسخة التجريبية والنُسخة الأساسية.

    تظهر قيم فاصل الثقة بالتنسيق الذي يتطابق مع المقياس الذي يتم تتبّعه. على سبيل المثال، الوقت (بالتنسيق HH:MM:SS) للاحتفاظ بالمستخدِمين، والدولار الأمريكي للإيرادات الإعلانية لكل مستخدِم، والنسبة المئوية لمعدّل الإحالات الناجحة.

  • **القيمة الاحتمالية**: تمثّل احتمال رصد بيانات متطرّفة مثل النتائج التي تم الحصول عليها في التجربة، بافتراض أنّه ليس هناك فرق حقيقي بين النُسخة التجريبية والنُسخة الأساسية. كلما كانت القيمة الاحتمالية أقل، زاد مستوى الموثوقية في أنّ الأداء المرصود سيظل صحيحًا إذا كرّرنا التجربة. تشير القيمة 0.05 أو أقل إلى وجود فرق كبير واحتمال منخفض بأن تكون النتائج ناتجة عن الصدفة. تستند القيم الاحتمالية إلى اختبار أحادي الطرف، حيث تكون قيمة النُسخة التجريبية أكبر من قيمة النُسخة الأساسية. تستخدم Firebase اختبار t للتباين غير المتساوي للمتغيّرات المستمرة (القيم الرقمية، مثل الإيرادات) واختبار z للنسب لبيانات الإحالات الناجحة (القيم الثنائية، مثل الحفاظ على المستخدمين، والمستخدِمين الذين لم يتعرّضوا لأي عطل، والمستخدِمين الذين يبدأون حدثًا Google Analytics).

تقدّم نتائج التجربة إحصاءات مهمة لكل نُسخة تجريبية، بما في ذلك:

  • مدى ارتفاع أو انخفاض كل مقياس من مقاييس التجربة مقارنةً بالنُسخة الأساسية، كما تم قياسه مباشرةً (أي البيانات المرصودة الفعلية)
  • احتمال حدوث الفرق المرصود بين النُسخة التجريبية والنُسخة الأساسية بسبب الصدفة (القيمة الاحتمالية)
  • نطاق من المرجّح أن يحتوي على الفرق "الحقيقي" في الأداء بين النُسخة التجريبية والنُسخة الأساسية لكل مقياس من مقاييس التجربة، وهي طريقة لفهم سيناريوهات الأداء "الأفضل" و"الأسوأ"

تحديد النُسخة الرائدة

بالنسبة إلى التجارب التي تستخدم الاستنتاج المتكرّر، توضّح منصة Firebase أنّ النُسخة التجريبية رائدة إذا كان هناك اختلاف في الأداء ذو دلالة إحصائية بين النُسخة التجريبية والنُسخة الأساسية في مقياس الهدف. إذا استوفت نُسخ تجريبية متعددة هذه المعايير، سيتم اختيار النُسخة التجريبية ذات الـ أقل قيمة احتمالية.

بما أنّ تحديد النُسخة الرائدة يستند إلى الهدف الأساسي فقط، يمكنك أخذ جميع العوامل ذات الصلة في اعتبارك ومراجعة نتائج المقاييس الثانوية قبل اتّخاذ قرار بطرح نُسخة رائدة أو عدم طرحها. ننصحك بأخذ التحسّن المتوقّع من إجراء التغيير في الاعتبار، بالإضافة إلى المخاطر السلبية (مثل الحد الأدنى لفاصل الثقة للتحسّن) والتأثير في المقاييس الأخرى غير الهدف الأساسي.

على سبيل المثال، إذا كان مقياسك الأساسي هو "المستخدِمون الذين لم يتعرّضوا لأي عطل"، وكانت النُسخة التجريبية "أ" رائدة بوضوح مقارنةً بالنُسخة الأساسية، ولكنّ مقاييس الاحتفاظ بالمستخدِمين في النُسخة التجريبية "أ" أقل من الاحتفاظ بالمستخدِمين في النُسخة الأساسية، ننصحك بإجراء مزيد من التحقيق قبل طرح النُسخة التجريبية "أ" على نطاق أوسع.

يمكنك طرح أي نُسخة تجريبية، وليس فقط النُسخة الرائدة، استنادًا إلى تقييمك العام للأداء على مستوى كل من المقاييس الأساسية والثانوية.

مدّة التجربة

تنصح Firebase بمواصلة إجراء التجربة إلى أن يتم استيفاء الشروط التالية:

  1. جمعت التجربة بيانات كافية لتقديم نتيجة مفيدة. يتم تعديل التجارب وبيانات النتائج مرة واحدة يوميًا. ننصحك بالرجوع إلى حاسبة حجم العينة على الإنترنت لتقييم حجم العينة المقترَح لتجربتك.
  2. تم إجراء التجربة لفترة كافية لضمان الحصول على عينة تمثيلية من المستخدِمين وقياس الأداء على المدى الطويل. أسبوعان هما الحد الأدنى المقترَح لوقت التشغيل لتجربة نموذجية في "الإعداد عن بُعد".

تتم معالجة بيانات التجربة لمدة 90 يومًا كحد أقصى بعد بدء التجربة. بعد 90 يومًا، يتم إيقاف التجربة تلقائيًا. لا يتم تعديل نتائج التجربة بعد ذلك في وحدة تحكّم Firebase Firebase، وتتوقف التجربة عن إرسال قيم المَعلمات الخاصة بالتجربة. في هذه المرحلة، يبدأ العملاء في جلب قيم المَعلمات استنادًا إلى الشروط التي تم ضبطها في النموذج Remote Config. يتم الاحتفاظ ببيانات التجربة السابقة إلى أن تحذف التجربة.

مخطط BigQuery

بالإضافة إلى عرض بيانات تجربة A/B Testing في وحدة تحكّم Firebase، يمكنك فحص بيانات التجربة وتحليلها في BigQuery. مع أنّ A/B Testing لا يتضمّن جدول BigQuery منفصلاً، يتم تخزين العضويات في التجارب والنُسخ التجريبية في كل حدث Google Analytics ضِمن جداول أحداث Analytics.

تكون خصائص المستخدِم التي تحتوي على معلومات التجربة على النحو userProperty.key like "firebase_exp_%" أو userProperty.key = "firebase_exp_01"، حيث يكون 01 هو رقم تعريف التجربة، ويحتوي userProperty.value.string_value على الفهرس (بدءًا من الصفر) للنُسخة التجريبية.

يمكنك استخدام خصائص المستخدِم هذه لاستخراج بيانات التجربة. يمنحك ذلك إمكانية تقسيم نتائج تجربتك بعدة طرق مختلفة والتحقّق بشكلٍ مستقل من نتائج A/B Testing.

للبدء، أكمل الخطوات التالية كما هو موضّح في هذا الدليل:

  1. تفعيل ميزة BigQuery Export لخدمة Google Analytics في وحدة تحكّم Firebase Console
  2. الوصول إلى بيانات A/B Testing باستخدام BigQuery
  3. استكشاف نماذج طلبات البحث

تفعيل ميزة BigQuery لخدمة Google Analytics في وحدة تحكّم Firebase

إذا كنت تستخدم خطة Spark، يمكنك استخدام وضع حماية BigQuery للوصول إلىBigQuery بدون أي تكلفة، مع مراعاة حدود وضع الحماية. لمزيد من المعلومات، يُرجى الاطّلاع على صفحة الأسعار ووضع حمايةBigQuery.

أولاً، تأكَّد من أنّك تصدّر بيانات Analytics إلى BigQuery

  1. في وحدة تحكّم Firebase، انتقِل إلى علامة التبويب الإعدادات > عمليات الدمج.

  2. في بطاقة BigQuery ، انقر على إدارة وتأكَّد من أنّ مشروعك يصدّر بيانات Analytics إلى BigQuery.

    إذا كانت البطاقة تعرض ربط، عليك إعداد عملية التصدير (تابِع إلى الخطوة التالية).

  3. إذا كنت بحاجة إلى إعداد عملية التصدير:

    1. راجِع لمحة عن ربط Firebase بـ BigQuery، ثم انقر على التالي.

    2. في قسم ضبط عملية الدمج ، فعِّل Google Analytics.

    3. اختَر منطقة واضبط إعدادات التصدير.

    4. انقر على الربط بـ BigQuery.

استنادًا إلى الطريقة التي اخترتها لتصدير البيانات، قد يستغرِق توفّر الجداول مدة تصل إلى يوم واحد. لمزيد من المعلومات عن تصدير بيانات المشروع إلى BigQuery, يُرجى الاطّلاع على تصدير بيانات المشروع إلى BigQuery.

الوصول إلى بيانات A/B Testing في BigQuery

قبل طلب بيانات تجربة معيّنة، ننصحك بالحصول على بعض أو كل مما يلي لاستخدامه في طلب البحث:

  • رقم تعريف التجربة: يمكنك الحصول على هذا الرقم من عنوان URL لصفحة نظرة عامة على التجربة. على سبيل المثال، إذا كان عنوان URL يبدو على النحو https://console.firebase.google.com/project/my_firebase_project/config/experiment/results/25، يكون رقم تعريف التجربة هو 25.
  • Google Analytics رقم تعريف الموقع: هو رقم تعريف الموقع المكوّن من 9 أرقام Google Analytics. يمكنك العثور على هذا الرقم ضِمن Google Analytics، ويظهر أيضًا في BigQuery عند توسيع اسم مشروعك لعرض اسم جدول أحداث Google Analytics (project_name.analytics_000000000.events).
  • تاريخ التجربة: لإنشاء طلب بحث أسرع وأكثر فعالية، من الممارسات الجيدة قصر طلبات البحث على أقسام جدولGoogle Analyticsالأحداث اليومية التي تحتوي على بيانات تجربتك، وهي الجداول التي يتم تحديدها باللاحقة YYYYMMDD. لذا، إذا تم إجراء تجربتك من 2 فبراير 2024 إلى 2 مايو 2024، عليك تحديد _TABLE_SUFFIX between '20240202' AND '20240502'. للاطّلاع على مثال، يُرجى الاطّلاع على اختيار قيم تجربة معيّنة.
  • أسماء الأحداث: تتطابق هذه الأسماء عادةً مع مقاييس الأهداف التي أعددتها في التجربة. على سبيل المثال، أحداث in_app_purchase أو ad_impression أو user_retention.

بعد جمع المعلومات التي تحتاج إليها لإنشاء طلب البحث:

  1. في Google Cloud Console، انتقِل إلى BigQuery.
  2. اختَر مشروعك، ثم اختَر إنشاء طلب بحث SQL.
  3. أضِف طلب البحث. للاطّلاع على نماذج طلبات بحث يمكنك تنفيذها، يُرجى الاطّلاع على استكشاف نماذج طلبات البحث.
  4. انقر على تنفيذ.

طلب بيانات التجربة باستخدام طلب البحث الذي تم إنشاؤه تلقائيًا في وحدة تحكّم Firebase

إذا كنت تستخدم خطة Blaze، تقدّم صفحة نظرة عامة على التجربة نموذج طلب بحث يعرض اسم التجربة والنُسخ التجريبية وأسماء الأحداث وعدد الأحداث للتجربة التي تعرضها.

للحصول على طلب البحث الذي تم إنشاؤه تلقائيًا وتنفيذه:

  1. في وحدة تحكّم Firebase، انتقِل إلى DevOps والتفاعل > اختبار A/B.
  2. اختَر التجربة A/B Testing التي تريد طلب بياناتها لفتح صفحة نظرة عامة على التجربة.
  3. من قائمة "الخيارات"، ضِمن BigQuery عملية الدمج، اختَر طلب بيانات التجربة. يؤدي ذلك إلى فتح مشروعك في BigQuery ضِمن Google Cloud Console وتقديم طلب بحث أساسي يمكنك استخدامه لطلب بيانات تجربتك.

يوضّح المثال التالي طلب بحث تم إنشاؤه لتجربة تتضمّن ثلاث نُسخ تجريبية (بما في ذلك النُسخة الأساسية) باسم "تجربة الترحيب بالشتاء". يعرض هذا الطلب اسم التجربة النشطة واسم النُسخة التجريبية والحدث الفريد وعدد الأحداث لكل حدث. يُرجى العِلم أنّ أداة إنشاء طلبات البحث لا تحدّد اسم مشروعك في اسم الجدول، لأنّها تفتح مباشرةً ضِمن مشروعك.

  /*
    This query is auto-generated by Firebase A/B Testing for your
    experiment "Winter welcome experiment".
    It demonstrates how you can get event counts for all Analytics
    events logged by each variant of this experiment's population.
  */
  SELECT
    'Winter welcome experiment' AS experimentName,
    CASE userProperty.value.string_value
      WHEN '0' THEN 'Baseline'
      WHEN '1' THEN 'Welcome message (1)'
      WHEN '2' THEN 'Welcome message (2)'
      END AS experimentVariant,
    event_name AS eventName,
    COUNT(*) AS count
  FROM
    `analytics_000000000.events_*`,
    UNNEST(user_properties) AS userProperty
  WHERE
    (_TABLE_SUFFIX BETWEEN '20240202' AND '20240502')
    AND userProperty.key = 'firebase_exp_25'
  GROUP BY
    experimentVariant, eventName

للاطّلاع على نماذج إضافية لطلبات البحث، يُرجى الانتقال إلى استكشاف نماذج طلبات البحث.

استكشاف نماذج طلبات البحث

تقدّم الأقسام التالية أمثلة على طلبات البحث التي يمكنك استخدامها لاستخراج A/B Testing بيانات تجربة من Google Analytics جداول الأحداث.

استخراج قيم الانحراف المعياري للشراء والتجربة من جميع التجارب

يمكنك استخدام بيانات نتائج التجربة للتحقّق بشكلٍ مستقل من Firebase A/B Testing النتائج. يستخرج بيان SQL BigQuery التالي النُسخ التجريبية وعدد المستخدِمين الفريدين في كل نُسخة تجريبية ويجمع إجمالي الإيرادات من in_app_purchase و ecommerce_purchase أحداث والانحرافات المعيارية لجميع التجارب ضِمن النطاق الزمني المحدّد كتاريخَي البدء والانتهاء لـ _TABLE_SUFFIX. يمكنك استخدام البيانات التي تحصل عليها من طلب البحث هذا مع أداة إنشاء الأهمية الإحصائية لاختبارات t أحادية الطرف للتحقّق من أنّ النتائج التي تقدّمها Firebase تتطابق مع تحليلك الخاص.

لمزيد من المعلومات عن طريقة احتساب A/B Testing للاستنتاج، يُرجى الاطّلاع على تفسير نتائج الاختبار.

  /*
    This query returns all experiment variants, number of unique users,
    the average USD spent per user, and the standard deviation for all
    experiments within the date range specified for _TABLE_SUFFIX.
  */
  SELECT
    experimentNumber,
    experimentVariant,
    COUNT(*) AS unique_users,
    AVG(usd_value) AS usd_value_per_user,
    STDDEV(usd_value) AS std_dev
  FROM
    (
      SELECT
        userProperty.key AS experimentNumber,
        userProperty.value.string_value AS experimentVariant,
        user_pseudo_id,
        SUM(
          CASE
            WHEN event_name IN ('in_app_purchase', 'ecommerce_purchase')
              THEN event_value_in_usd
            ELSE 0
            END) AS usd_value
      FROM `PROJECT_NAME.analytics_ANALYTICS_ID.events_*`
      CROSS JOIN UNNEST(user_properties) AS userProperty
      WHERE
        userProperty.key LIKE 'firebase_exp_%'
        AND event_name IN ('in_app_purchase', 'ecommerce_purchase')
        AND (_TABLE_SUFFIX BETWEEN 'YYYYMMDD' AND 'YYYMMDD')
      GROUP BY 1, 2, 3
    )
  GROUP BY 1, 2
  ORDER BY 1, 2;

اختيار قيم تجربة معيّنة

يوضّح نموذج طلب البحث التالي كيفية الحصول على بيانات تجربة معيّنة في BigQuery. يعرض نموذج طلب البحث هذا اسم التجربة وأسماء النُسخ التجريبية (بما في ذلك النُسخة الأساسية) وأسماء الأحداث وعدد الأحداث.

  SELECT
    'EXPERIMENT_NAME' AS experimentName,
    CASE userProperty.value.string_value
      WHEN '0' THEN 'Baseline'
      WHEN '1' THEN 'VARIANT_1_NAME'
      WHEN '2' THEN 'VARIANT_2_NAME'
      END AS experimentVariant,
    event_name AS eventName,
    COUNT(*) AS count
  FROM
    `analytics_ANALYTICS_PROPERTY.events_*`,
    UNNEST(user_properties) AS userProperty
  WHERE
    (_TABLE_SUFFIX BETWEEN 'YYYMMDD' AND 'YYYMMDD')
    AND userProperty.key = 'firebase_exp_EXPERIMENT_NUMBER'
  GROUP BY
    experimentVariant, eventName

الحدود

يقتصر A/B Testing على 300 تجربة إجمالية تتضمّن 24 تجربة جارية. تتم مشاركة هذه الحدود مع عمليات طرح Remote Config. على سبيل المثال، إذا كان لديك عمليتَا طرح جاريتَين وثلاث تجارب جارية، يمكنك إجراء ما يصل إلى 19 عملية طرح أو تجربة إضافية.

  • إذا وصلت إلى الحد الأقصى لعدد التجارب الإجمالي، وهو 300 تجربة، عليك حذف تجربة حالية قبل إنشاء تجربة جديدة.

  • إذا وصلت إلى الحد الأقصى لعدد التجارب وعمليات الطرح الجارية، وهو 24، عليك إيقاف تجربة أو عملية طرح جارية قبل بدء تجربة أو عملية طرح جديدة.

يمكن أن تتضمّن التجربة 8 نُسخ تجريبية كحد أقصى (بما في ذلك النُسخة الأساسية) وما يصل إلى 25 مَعلمة لكل نُسخة تجريبية. يمكن أن يصل حجم التجربة إلى 200 كيلوبايت تقريبًا. ويشمل ذلك أسماء النُسخ التجريبية ومَعلمات النُسخ التجريبية وبيانات الإعدادات الوصفية الأخرى.