A/B测试

A/B测试

A/B测试是促进业务持续增长的最实用，最有效的方式

产生迭代想法->论证迭代想法（A/B测试）->实施迭代想法

A/B测试可以解决那些常见的业务问题：产品迭代：改变用户的交互界面来提升用户体验，优化新用户的注册流程来提高转化率，确定产品优惠券的最有价值，增加产品功能来提升用户留存

算法优化：通过提高推荐系统算法的准确度来提高用户粘性，通过提高搜索排名算法的准确度来提升结果的点击率，通过提高广告显示算法的精确度来提升广告的点击率

市场营销：确定最优的营销内容，确定最优的营销时间，确定最精确的受众群体，衡量市场营销的效果

 

Ab测试中的难点：假设检验，测试指标的统计属性

 

Ab测试的理论基础是假设检验，假设检验贯穿了ab测试从实验设计到分析测试结果的整个流程

 

 

Ab测试的前提与理论基础：统计基础 1. 系统掌握指标的统计属性：

在实际业务中，我们常用的指标其实就是两类：均值类的指标，比如用户的平均使用时长，平均购买金额，平均购买频率等等

概率类的指标：比如用户点击的概率（点击率），转化的概率（转化率），购买的概率（购买率），等等

很显然这些指标都是用来表征用户行为的，而用户的行为是非常随机的，这也就意味着这些指标是由一系列的随机事件组成的变量，也就是统计学中的随机变量。

 

用概率分布来表示随机变量去不同值得