1. 课程导论：AB测试在风控策略中的核心价值、与传统A/B测试的差异、课程目标与学习路径

1.1 为什么风控策略迭代需要AB测试？

在信贷、支付、交易反欺诈等风控场景中，每一次策略调整——无论是调整额度规则、修改反欺诈模型阈值，还是新增准入规则——都直接关系到坏账率、通过率与用户体验的平衡。传统的“全量上线+事后监控”模式存在两个致命缺陷：

• 无法隔离因果：策略上线后业务指标波动，无法区分是策略效果还是市场环境变化所致。
• 回滚成本高：一旦策略带来负面效果（如误杀大量优质用户），修复周期长，损失不可逆。

AB测试通过将流量随机分为实验组与对照组，在真实业务环境中以最小风险验证策略假设，已成为风控策略迭代的“黄金标准”。

1.2 风控AB测试 vs 传统互联网AB测试

传统AB测试（如网页点击率优化）与风控场景下的AB测试存在本质差异。下表从多个维度进行对比：

1.3 风控AB测试的核心挑战

在风控领域落地AB测试，需要解决以下三个特有难题：

1. 样本稀疏性与长尾分布：欺诈样本、违约样本占比极低（通常<5%），随机分组可能导致实验组与对照组风险分布不均衡。
2. 多指标权衡：一个策略可能提升通过率但增加逾期率，需要建立复合评价体系（如“通过率提升2%且逾期率不增加超过0.5%”）。
3. 时间窗口与延迟反馈：信贷策略的效果需要等待还款周期才能完整评估，实验期间可能发生外部经济环境变化，干扰因果推断。

1.4 课程目标与学习路径

本课程旨在帮助风控策略分析师、数据科学家、风控产品经理系统掌握AB测试在风控场景中的完整方法论。完成本课程后，你将能够：

• 设计：根据业务场景设计合理的AB实验方案（样本量计算、分组策略、实验周期）。
• 执行：在风控系统中搭建实验环境，完成流量切分与策略隔离。
• 分析：使用统计方法（t检验、Mann-Whitney U检验、生存分析）评估策略效果。
• 决策：建立多指标决策框架，避免“唯P值论”陷阱。
• 避坑：识别并规避风控AB测试中的常见误区（如样本污染、多重比较、辛普森悖论）。

1.5 适用人群与前置知识