对于 JMP Discovery Summit Europe 线上的最后一场社交活动，我们希望为与会者提供有趣的互动体验。
我们决定创建一个涉及 cookie 的在线实验。 与会者参加了一项实验，探索当他们发现什么更有吸引力时看着一盘饼干。
这篇文章的重点是该实验的设置。 如果您不想要实验的所有细节而只想查看结果，请访问这里。
输入和响应
即使在决定进行饼干实验之后，我们仍然可以改变许多不同的因素。 但我们意识到我们需要保持简单，因为我们将要求志愿者帮助烘烤饼干和拍照。 我们坚持使用一种类型的 cookie，并生成了一系列在拍照时可以改变的不同因素：
- 饮料：奶/茶/咖啡
- 板材类型：纯色/图案
- 环境：内/外
- 盘子上的饼干数量： 2 / 6
- 图像：彩色/黑白
- 使用道具：是/否
虽然我们可以定义这些输入，但做出适当的响应很困难。 连续响应是很困难的，特别是如果我们提供大量照片（也就是说，您如何评价这张照片（满分 10 分）？）。 我们知道我们要大声呼救，要求志愿者按照我们的指示烘烤饼干并拍照。 我们不确定有多少志愿者会提供帮助。 还有一个问题是，即使使用相同的指令，不同的人也会拍出截然不同的照片。 最重要的是，我们不希望志愿者在可以享受饼干的情况下拍摄太多照片。
如果实验涉及比较照片，那么它们应该是由同一位摄影师拍摄的。 要求每个志愿者拍两张照片并让与会者挑选他们最喜欢的照片似乎是合理的。 由于没有任何效果大小或方向的先入为主的信念，我喜欢使用自定义设计来设置它的灵活性，因为我们已经之前做过。
在联合管理计划，从 DOE->定制设计，我们指定了因素和水平：
为了为每个志愿者创建“图片对”，我们选择了大小为 2 的随机块，为他们的两张图片提供设置。 我们最初将其设置为 16 次运行（即八对图片），并且仅产生主效应，不知道预期有多少志愿者。
进行设计时，我们已经准备好了原始的套件。
增强对的奇怪案例
事实证明，在缓慢的开始之后，我们最终得到的志愿者比预期的要多得多。 这意味着我们需要增强设计。 由于第一个设计是在自定义设计中设置的，因此在启动平台时选择该列作为输入之一时，增强设计会认识到需要大小为 2 的随机块：
在最初的设计中，指定了主效应，这些对实际上是镜像对（饮料除外，有 3 个级别）；对于每对照片指令，第一张图片使用的任何内容都将与第二张图片相反（即镜像）。
对于新的志愿者组来说，有足够的细节来指定互动。 尽管我们正在考虑将其作为选择模型进行分析，但这仍然应该提供对设计空间的更好探索。 为了增强，我们指定了 42 次运行，这将为额外的志愿者提供照片设置（有几轮增强，还有几批没有完成）：
在增强设计中，您可能会发现有趣的是，对于许多新对来说，只有一两个因素发生了变化。 也就是说，给志愿者的照片说明非常相似。 为什么和第一集差别这么大？ 关键在于互动。 如果所有因素在同一组中切换，则交互作用将具有相同的符号（从 -/+ 1 的角度考虑这一点）。 从这个角度来看，这些额外的随机块与第一组不同是有道理的，因为我们现在要求进行交互。
附件是原始设计和最终使用的设计（需要根据摄影师手头上的情况进行一些修改）。
谢谢阅读！
