---
title: "最適化されたテストを使った実験の実施"
slug: "running-an-experiment-with-optimized-testing"
abstract: "最適化テストを用いた実験の導入(Sitecore Personalize)。"
---
# 最適化されたテストを使った実験の実施

複数のバリアントを互いに比較し、低パフォーマンスのバリアントにトラフィックを割り当てるコストを省き、統計的有意性に達するまで最適化されたテストを行った実験を行うことができます。もし主な目的の一つが統計的有意性の達成やすべてのバリアントのパフォーマンスを把握することであれば、[A/Bテストを行う](https://doc.sitecore.com/personalize/ja/users/sitecore-personalize/introduction-to-experiments-in-sitecore-personalize/introduction-to-experiments-in-sitecore-personalize.html "Introduction to experiments in Sitecore Personalize")ことをお勧めします。

最適化テストの実験では、[マルチアームバンディットアルゴリズムを用](https://doc.sitecore.com/personalize/ja/users/sitecore-personalize/introduction-to-experiments-in-sitecore-personalize/running-an-experiment-with-optimized-testing/understanding-multi-armed-bandit-calculations.html "Understanding multi-armed bandit calculations") いてトラフィックを動的に割り当てます。マルチアームバンディットアルゴリズムはギャンブル業界、特にスロットマシンにちなんで名付けられました。プレイヤーは最初、複数のマシンに均等に賭けを分散させ、その後、最もパフォーマンスの高いマシンにすぐに賭けを配分します。

同じ考え方は、デジタルデバイスで実験を行う場合にも当てはまります。時には、統計的有意性に達して勝利バリアントが宣言されるまで待つ余裕がない場合もあります。これは特に、週末のフラッシュセールのように限られた期間内に実験を行う場合に当てはまります。

最適化テストを有効にして実験を行うと、Sitecore Personalize高パフォーマンスのバリアントにゲストトラフィックを動的に割り当てます。どのバリアントが高パフォーマンスかを簡単に確認でき、A/Bテストではなく最適化テストで実験したことでどれだけ多くのコンバージョンが増加したかなどの追加の分析データも確認できます。

最適化テストを有効にしたまま実験を続けることもできますし、実験を中断して最も性能の良い2つのバリアントをウェブやインタラクティブな実験で比較することもできます。これは、すべてのトラフィックを1つのバリアントに割り当てる前に統計的有意性を確保しつつ、*チャンピオン対挑戦者の* アプローチを取る組織にとって理想的です。