- 博客(2)
- 收藏
- 关注
RSS订阅转载 【长文干货】AB测试：原理流程、实际案例及面试指南
AB测试其实来源于假设检验，我们现在有两个随机均匀的样本组A、B，对其中一个组A做出某种改动，实验结束后分析两组用户行为数据，通过显著性检验，判断这个改动对于我们所关注的核心指标是否有显著的影响。在这个实验中，我们的假设检验如下：原假设H0：这项改动不会对核心指标有显著的影响备选假设H1：这项改动会对核心指标有显著影响如果我们在做完实验之后，通过显著性检验发现P值足够小，我们则推翻原假设，证明这项改动会对我们所关注的核心指标产生显著影响，否则接受原假设，认为该改动未产生显著影响。
2024-09-03 13:44:36
2510
转载 AB测试 vs 灰度测试
比较出名的就是Google早期曾经测试过41种蓝色，最终筛选出了指标表现最好的蓝色，据说，选用的这种蓝色要比其他蓝色每年多为Google带来两亿美元的收入。几个方案，大家各有各的理由，设计的主观和感性会导致我们陷入迷茫，说不清到底选哪个方案，这时我们就可以做一个AB测试，用客观数据来帮助我们做选择~初期先观察一周，一周后选择正向方案扩量测试，如果随着扩充量级的增大，始终呈现正向表现，那后期观察周期可以缩短为3天。首先先选定参加测试的用户，可以是总用户数的20%，尽可能随机，保证样本的无偏差。
2024-09-03 13:42:46
476
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人