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