基于大数据的用户触点回归用例设计模式.docx

基于大数据的用户触点回归用例设计模式.docx

《基于大数据的用户触点回归用例设计模式.docx》由会员分享，可在线阅读，更多相关《基于大数据的用户触点回归用例设计模式.docx（8页珍藏版）》请在冰点文库上搜索。

基于大数据的用户触点回归用例设计模式

基于大数据的用户触点回归用例设计模式

一、背景

    为了确保每次移动业务上线修改的代码没有引入新的错误，除了要对新功能进行针对性的功能测试外，也需要对系统原有的功能进行回归测试。

回归测试可以有效保障上线后原有业务功能正常、系统运行稳定，降低系统维护成本。

    虽然通过回归测试环节，有效降低了了上线次日出现业务故障的频率，但是仍有一部分故障成了漏网之鱼。

经过分析，主要原因现有回归测试用例与用户实际操作习惯不一致，回归测试用例未有效覆盖生产上的大部分操作场景。

测试人员在设计用例时，依靠的是业务的操作手册以及自己对业务功能理解，这就造成了用例与生产实际的拟合度难以保证的情况。

二、解决方案

    为了设计更贴近用户的用例，需要对用户偏好、行为模式进行深入的分析。

具体来说就是从用户触点出发，梳理业务关联的功能点，并在此基础上对生产实际的用户查询受理记录、接口报文日志等内容进行分析，还原用户的操作轨迹，再通过大数据统计的方式得出用户偏好，从而设计出更精准的回归测试用例。

1、业务的功能拓扑分析

对业务分析的第一步，要了解这个业务面向的用户是哪些、有哪些受理入口、具体业务逻辑是怎样的等，接着进一步通过对功能点、测试因子的分析，形成业务的功能拓扑图。

受理渠道+菜单名：

确定业务可以从哪些系统、哪些菜单入口进行查询受理，这是后续每一个用例操作步骤的基础。

功能点：

业务包含哪些功能点，每一个功能点可以通过哪些“受理渠道+菜单名“实现。

测试因子：

要实现功能点的测试，需要有哪些输入数据，该输入数据称之为测试因子。

2、测试因子提取与统计

在对业务功能点测试过程中，不同的测试因子可能会出现不同的测试结果，确定了不同测试因子的取值即形成了用例的输入数据集合。

• 测试因子可以分为必选因子和可选因子。

必选因子指的是必须填写的信息，如果不填写，业务无法正常受提交受理；可选因子指的是可以选填的信息，为空或者填写，业务均可以正常受理提交；

• 因子按照因子值类型的不同分为枚举值、文本、编号（如手机号、工号、营销案编号等）、数字（金额等）、时间；

• 文本、编号、数字、时间，需要进行相应的等价类转换分析。

在因子分析的时候需要明确每个因子在后台数据库的取数方式，确保每个因子值都可被统计。

例如，GMS开户业务中开户功能的因子如下：

3、测试因子值的数据统计

•单因子值统计

根据业务受理记录表等后台表数据统计生产上因子的取值，有两类数据需要经过转换。

1）经过等价类分析的因子值需根据等价类进行归类统计；

2）非必选的因子除了正常的取值统计外，需增加一个为空的因子值的统计。

开户业务的关键因子因子值分布如下：

注：

增值策划有多个组成，上面表格暂时未列

•全量因子占比统计

对所有测试因子的整体占比进行数据统计，开户业务所有测试因子的因子值占比统计如下：

•因子关联性分析

关联性又可以称为提升度，是指如果两个事物之间存在一定的关联，那么其中一个事物就能通过其它事物进行预测。

它的目的是为了挖掘隐藏在数据间的相互关系。

就测试因子分析来说，当因子A在取值为X的条件下，因子B取值为Y的可能性与没有这个条件下，因子B取值为Y的可能性之比，当比值为1的时候说明两者相互独立，当比值越大（>1），说明取值Y对取值X的依赖程度越大。

因子值的关联性表现了移动用户使用习惯上的偏好关系。

对两两因子的取值进行关联数据的分析，开户业务的几类典型因子提升度统计如下。

1） 开户时选择新建账户，并且订购了标准彩铃的用户占整体用户量的68%，但是两者的提升度为1，说明两者是互相独立的；

2） 开户时选择4G飞享套餐作为基础套餐，并且订购手机上网自选30元包（500M）的用户占整体用户量的35%，且两的提升度为1.9，说明选择了4G飞享套餐的用户更喜欢订购手机上网自选30元包（500M）；

3） 在新营业厅开户，且账户的支付方式为统一支付的用户占整体用户量的2%，虽然提升度有4.22，两者关系依赖强烈，但是整体占比过低。

根据上述三类两两关系分析结果，只有第二种情况具有进一步测试覆盖的必要。

4、用例的设计编写原则

对业务的每个功能点进行测试因子的提取与分析，就单个功能点来说，需要从以下几个方面进行逐层覆盖：

1）覆盖80%的实际用户场景：

根据“全量因子占比统计”的结果，选取前N个用户使用场景，使得前N个场景的占比之和不小于80%。

2）对关联性强的因子值进行用例补充覆盖：

根据“因子关联性分析”的结果，对占比不小于0.2且提升度不小于1.5的因子（占比大于0.2是说明该场景至少有20%的用户群，提升度不小于1.5说明两个因子值之间的依赖关系明显）进行用例的补充覆盖。

3）对单因子值进行例补充覆盖：

根据“单因子值统计”的结果，对单因子值占比不小于1%的因子值进行用例补充覆盖。

4）实现受理入口的100%覆盖：

根据业务的功能拓扑分析梳理的业务受理入口，确保业务功能用例覆盖所有的“渠道+菜单名称”。

5、新型用例设计模式的优点

三、 应用情况与效果

我们已对浙江移动的所有核心业务完成了业务拓扑分析、测试因子提取与统计、用例设计、自动化建设。

截至目前已累计新增自动化用例超过1000个，上述用例亦纳入每次上线前常态化的回归测试范畴中。

另外，依托浙江移动敏捷验收发布平台，实现自动化测试组件与测试数据的分离，达到快速组装自动化用例的目标。

自2017年开展这种方式进行测试用例设计后，回归测试发现的有效缺陷数从去年同期的平均2.5个/月提升至9.7个/月。

测试用例已覆盖80%生产用户数超过，因测试遗漏导致的整体故障数从去年同期的1.67起/月下降至0.33起/月。