數(shù)據(jù)分析師必看，老司機帶你認識 AB 常見的10個錯誤

「沒有數(shù)據(jù)，你只是一個有想法的人?！?/p>

這是 W. Edwards 的依據(jù)名言，它表明，A/B 測試對于做出良好的商業(yè)決策來說至關重要。在 Manomano，我們向數(shù)百萬用戶展示數(shù)百萬 DIY 和園藝產(chǎn)品，并每天進行數(shù)十個 A/B 測試，以改善我們網(wǎng)站的用戶體驗

然而，運行 A/B 測試和解釋結(jié)果可能非常困難，如果做得不對，可能會得到錯誤的結(jié)論。這篇博文的目的不是要說明在運行 A/B 測試時應該做什么，而是要告訴你不應該做什么。下面是我們在進行 A/B 測試時經(jīng)常會犯的 10 個常見錯誤。

1.在僅當一部分人受到影響時，觀察所有人

示例：你想測試你的搜索引擎相關性，但在分析 A/B 測試結(jié)果時，你查看整個總體，而不僅僅是使用搜索引擎的用戶。雖然這在科學的角度來說不是錯誤的，但是達到統(tǒng)計顯著性需要更長的時間，因為在分析的數(shù)據(jù)中添加了一些噪聲：
經(jīng)驗 1：為了更快地達到統(tǒng)計顯著性，應該只觀察與測試功能交互用戶(這里是搜索引擎)的結(jié)果。

2.在沒有任何業(yè)務直覺的情況下進行測試

不能使用太多變量(A/B/C/../N)進行測試。例如，如果使用 α=5% 顯著性閾值并決定測試 20 個不同的場景，則其中每個場景是正樣本的機會是偶然的。這是多重比較問題的一個例子。因此，業(yè)務直覺對于決定啟動哪個 A/B 測試至關重要。為了說明這一點，我們可以修改 W.Edwards Deming 的名言：

「沒有想法，你只是一個有數(shù)據(jù)的人 」

經(jīng)驗 2：用你的直覺(或者更好的方法——做用戶調(diào)查)來決定啟動哪一個 A/B 測試。

3.對人口進行分段以達到統(tǒng)計顯著性

這是多重比較問題的另一個例子：「我的 A/B 測試不顯著，因此我將在設備上對數(shù)據(jù)進行分段以獲得顯著結(jié)果」。在進行數(shù)據(jù)分割時必須非常小心。事實上，你比較的片段越多，結(jié)果中出現(xiàn)錯誤的幾率就越大。

以 country * device 為例，我們在 Manomano 有 n=15 個細分市場(5 個國家*3 個設備：法國/手機、法國/桌子、西班牙/平板電腦等)。讓我們計算在其中一個分段上偶然出現(xiàn)至少一個重要結(jié)果的概率：

我們有超過 50% 的機會出現(xiàn)這種偶然性，因此，從分割數(shù)據(jù)的測試中得出結(jié)論并采取行動是非常危險的。但也有一些技術(shù)可以緩解這一問題，比如 Bonferroni 校正。

經(jīng)驗 3：不要為了達到統(tǒng)計顯著性而分割你的數(shù)據(jù)。

4.查看幾個指標以達到統(tǒng)計顯著性

多重比較問題的另一個例子是：「我的 A/B 測試在轉(zhuǎn)換率、平均購物籃和跳出率上都沒有顯著結(jié)果。但這對每類購物籃的數(shù)量來說是很重要的!如果你觀察足夠多的指標，你最終會發(fā)現(xiàn)其中一個指標碰巧顯示了一個重要的結(jié)果：

經(jīng)驗 4：堅持測試設計的標準。

5.達到統(tǒng)計顯著性時停止測試

統(tǒng)計顯著性不能告訴你什么時候應該停止測試。在停止測試之前，你需要等待以達到計算出的樣本大小。使用 A/B 測試計算器計算測試所需的樣本大小。有關這種偏差的更多細節(jié)，請閱讀這里的問題說明。你還可以在此處模擬 A/A 測試，以查看在測試早期達到統(tǒng)計顯著性的頻率，即使在測試結(jié)束時結(jié)果不顯著：

使用 james lutrek 工具，根據(jù)樣本數(shù)量觀察 A/A 測試實驗的顯著性

經(jīng)驗 5：即使你的測試有統(tǒng)計學意義(統(tǒng)計顯著性)，也要繼續(xù)測試，直到測試結(jié)束。

6.在達到統(tǒng)計顯著性之前不要停止測試

同樣，統(tǒng)計顯著性不能告訴你什么時候可以停止測試，或者繼續(xù)測試。你不應該等待一個測試變得有意義，因為它可能永遠不會發(fā)生。如果你已經(jīng)達到了在測試前計算出的樣本量，這就意味著你的測試有足夠的統(tǒng)計能力得出結(jié)論。

經(jīng)驗 6 ：一旦達到所需的樣本量，停止測試。

7.將(1-p 值)當做 B 優(yōu)于 A 的概率

這是一個很常見的錯誤。p 值為 2% 并不意味著 B 有 98% 的機會比 A 好。這個假設在數(shù)學上是錯誤的，因為它還取決于基準率，即你所做的測試中，有積極影響的百分比(只有上帝知道這個數(shù)字!)。這個數(shù)字反映了你的商業(yè)直覺水平。

假設我們是上帝，我們知道 ManoMano 的基準率是 20%。這意味著我們 20% 的測試都是陽性的：

80% 的陽性測試(灰色)拒絕零假設(統(tǒng)計能力)：

5% 的陰性測試(白色)拒絕零假設(顯著性閾值)：

結(jié)論：在 80% 的統(tǒng)計能力、5% 的顯著性閾值和 20% 的基準率，當檢驗被認為是陽性(p 值<0.05)時，我們只有 16/(16+4)=80% 的機會是真陽性，而不是 95%。

在這種情況下(統(tǒng)計能力=80%，顯著性閾值=5%)，知道你的 A/B 測試結(jié)果是有意義的，下面是一些概率，你的測試實際上是陽性的，這取決于基準率：

經(jīng)驗 7:(1-p 值)不是檢驗為陽性的概率。如果你還想計算這個概率，使用貝葉斯 A/B 測試方法。

8.認為觀察到的增量是特征帶來的增量

測試所觀察到的增量允讓你可以計算統(tǒng)計顯著性，但將觀察到的增量視為特征帶來的實際增量是錯誤的，這通常需要更多的用戶或會話。

如果不能證明 B 優(yōu)于 A ，則選擇傳遞置信區(qū)間而不是原始增量。為了說明這一點，我們以 A/B 測試為例：

p 值為 0.014，可接受的顯著性水平為 95%，此 A/B 檢驗為陽性，這意味著測試組顯著好于對照組。可以很容易地計算出觀察到的跳出率相對增量：

但將觀測到的增量視為特征帶來的實際增量是不正確的。你應該使用標準誤差計算每組的置信區(qū)間：

其中 p 是觀察到的組跳出率，n 是池樣本大小，zα 是對應于置信水平 α 的 z 值(在本例中為 95%)。你可以在這里找到通常置信水平的 z 值。

使用此公式，你最終可以計算兩個組的 95% 置信區(qū)間(CI)跳出率：

也可以反計算相對增量(pctdiff)的置信區(qū)間，但它更復雜。如果需要更多詳細信息，請參閱這個調(diào)查的第 3.3.2 節(jié)。

經(jīng)驗 8：當你的測試為顯著陽性時，應該傳遞置信區(qū)間而不是原始增量。

9.當 A/B 測試結(jié)果違背你的直覺時，忽略它們

如果你(和你的組織)還沒有準備好用新的版本更新你的產(chǎn)品，除了確認你的偏見，啟動 A/B 測試是沒有意義的。直覺在選擇測試內(nèi)容時至關重要，但它不應與 A/B 測試的結(jié)果相抵觸。

經(jīng)驗 9：與利益相關者確定測試前的閾值和相關行動。

10.忘記檢查 A/B 測試系統(tǒng)是否可靠

為了保證你的 A/B 測試結(jié)果的可靠性，你的 A/B 測試系統(tǒng)必須經(jīng)過校準并正常工作。確保這種可靠性的一種方法是持續(xù)進行 A/A 測試，并檢查這兩種人群之間沒有顯著差異：

Manomano 的連續(xù) A/A 測試允許我們快速檢測 8 月份遇到的緩存錯誤，由于該錯誤，8 月 20 日到 8 月 22 日之間進行的所有測試無效。

經(jīng)驗 10：持續(xù)進行 A/A 測試，以檢測可靠性。

結(jié)論

如你所見，在分析 A/B 測試結(jié)果時出錯的風險非常高，而在測試之后所做的決策對你的公司來說至關重要。因此，你應該對給到你的 A/B 測試結(jié)果持懷疑態(tài)度，特別是當這個結(jié)果來自于一個對取得積極結(jié)果有強烈興趣的人(例如，一個想賣給你東西的人)時尤其如此。在 ManoMano，我們有一個值得信賴的委員會，幫助分析所有內(nèi)部和外部 A/B 測試的結(jié)果，并對結(jié)論有著公正的看法。

當前標題：數(shù)據(jù)分析師必看，老司機帶你認識 AB 常見的10個錯誤
文章位置：http://www.bm7419.com/news/98493.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站設計公司、標簽優(yōu)化、手機網(wǎng)站建設、網(wǎng)站導航、靜態(tài)網(wǎng)站、動態(tài)網(wǎng)站

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)