合理利用假設檢驗,讓你看清產品數據

2021-01-10 人人都是產品經理

你真的會數據分析嗎？什麼才是數據分析的正確打開方式？文章中舉出了幾種數據分析的常用例子與檢驗方式，一起來學習下。

不得不說，現在網際網路行業對產品經理的要求是越來越高了，不只是要求自己寫得了文檔、畫的了原型、鬥得過開發、忽悠過領導，還要分析得了各種數據。

你真的會做數據分析麼

目前產品經理使用比較多的數據分析方法，就是將每天的網站或者APP數據匯總到Excel中，然後用用折線圖，柱狀圖來展示數據的趨勢。比如下圖中如果是看UV，那就把每天的數據匯總出來，然後按照每周或者每月拉一下平均值，做個折線圖，是升還是降，一目了然。細緻一點就是對於一些關鍵的時間節點進行單獨分析，比如7月25日的上升期是做了哪些功能或者活動，導致UV的整體提升。

然而，這其實是非常粗糙的一種分析數據的方式，只是停留在數據的表面，並不足以是判斷數據變化的依據。

舉個打臉的慄子

我們APP正在做一項運營活動，活動的目的是提升UV和拉新。在活動進行的第10天，我們出一版數據報告，主要看活動的進行的10天裡，APP的UV是否有增長。

具體數據如下，數據分析報告中給出的結果是APP的UV從活動前10天的平均167575提升至173514，提升了大概3.5%。領導們表示很開心，預計兩個月的活動進行到剛開始的10天，UV就有了提升。

然而這個數據真的能夠代表數據提升了麼？

實際上，我後來又重新做了一次分析，平均值和提升比例沒有問題，和原來一樣，但是通過對前後數據的差異性檢驗，發現活動前和活動中的UV數據之間並不存在明顯差異，也就是這種提升並不能明顯到稱其為提升。所以看到結果後也算痛打了我的臉。

從上面的案例做個總結就是：不能只是簡單看數據提升比率，還要看這個提升比率是不是有意義，提升了2%，和提升了12%，都是提升，哪種才是真正的提升。

幾個常用場景的數據分析方法及具體操作運營活動效果數據分析常規：UV、PV、拉新、訂單等均值及提升比精確：前後活動的UV、PV、拉新、訂單數據的假設檢驗，

如果是在全站做活動，則使用配對樣本T檢驗；

如果是分平臺，如安卓和蘋果用戶效果對比，則使用獨立樣本T檢驗。

A/B測試數據分析-對某個頁面改版的A/B測試常規：UV、PV、拉新、訂單等數據均值及提升比精確對比：A測試的UV、PV、拉新、訂單等數據與B測試結果的UV、PV、拉新、訂單等數據假設檢驗

如果A/B測試使用的同時分流量進行測試，則這時候應該是兩波獨立用戶，我們假設隨機分配的用戶不存在差異，可以用戶獨立樣本T檢驗。

如果A/B測試使用的是前後測試，即同一批用戶分別在A測試環境下做一段時間測試，然後再在B環境下做一段時間測試，則使用配對樣本T檢驗。

如果頁面改版的測試方案不只是兩種，則可以使用方差分析的假設檢驗方式

其實數據分析還有很多種檢驗方式，適用於很多情況，文章中舉出的只是幾種常用例子，如果大家想要學習更多，可以看下相關數據或者統計學論壇，讓我們的產品數據做的更精確。

 

本文由@ Sonya 原創發布於人人都是產品經理，未經許可，禁止轉載。

收藏已收藏 | {{ postmeta.bookmark }} 點讚已贊 | {{ postmeta.postlike }}

相關焦點

  • 數據分析必備統計學(二):假設檢驗
    講完概率分布，再來講講統計學的最後一個知識點——假設檢驗。假設檢驗是數理統計學中根據一定假設條件由樣本推斷總體的一種方法。事先對總體參數或分布形式作出某種假設，然後利用樣本信息來判斷原假設是否成立，採用邏輯上的反證法，依據統計上的小概率原理。為了更好的解釋，這裡舉個例子。
  • 護理科研實務|學會假設檢驗,讓你遠離渣男
    編者按假設檢驗，就是事先對總體參數或總體分布形式作出一個假設，然後利用樣本信息來判斷原假設是否合理，即判斷樣本信息與原假設是否有顯著差異，從而決定是否接受或否定原假設。簡單來說：假設檢驗採用的邏輯推理方法是反證法。
  • 數據分析科普系列:2—祭出大招(假設檢驗)
    咳咳，各位搬好小板凳，宗介數據分析專題正式開講了，雖本次為系列第二節課，但是你的焦慮我懂得，所以不再扯淡，直接上乾貨，本次乾貨就是經典統計學大招：假設檢驗。由於涉及一些專業名詞，宗介儘量用通俗去和大家一起探討數據分析應用。
  • 假設檢驗:使用p值來接受或拒絕你的假設
    介紹檢驗是統計學中最基本的概念之一。不僅在數據科學中，假設檢驗在各個領域都很重要。想知道怎麼做？讓我們舉個例子。現在有一個lifebuoy沐浴露。沐浴露廠商聲稱，它殺死99.9%的細菌。他們怎麼能這麼說呢？必須有一種測試技術來證明這種說法是正確的。所以假設檢驗用來證明一個主張或任何假設。
  • 大白話系列:分析方法之假設檢驗
    今天我們來講假設檢驗分析方法。假設檢驗分析方法主要分為三步提出假設：根據要解決的問題來提出假設收集證據：收集證明來證明之前的假設得出結論：不是主觀猜想出來的，是通過收集證據證明才能得出結論那麼在工作中裡，我們該如何使用假設檢驗呢？
  • 假設檢驗、Z檢驗與T檢驗
    概述假設檢驗是統計學、分析學和數據科學中的一個關鍵概念了解假設檢驗的工作原理、Z檢驗和t檢驗之間的區別以及其他統計概念介紹冠狀病毒大流行使我們大家都成了一個統計學家。我們不斷地核對數字，對大流行將如何發展做出自己的假設，並對何時出現「高峰」提出假設。
  • 假設檢驗的初步了解,這一篇就夠了
    在其他領域也有不錯的發展前景，尤其是在經濟領域中產品的質量管理方面。假設檢驗已經成為一種不可或缺的數學工具，因而，需要對假設檢驗的基本思想以及應用進一步認識和感知。統計假設是關於總體分布函數的某些未知參數、分布的類型特徵以及獨立性等的論斷或觀點。假設檢驗基於樣本觀察數據或試驗結果所提供的信息數據，去推斷這個「看法」（或假設)是否成立。
  • excel假設檢驗 - CSDN
    假設檢驗顯著性水平的兩種理解：1. 顯著性水平：通過小概率準則來理解，在假設檢驗時先確定一個小概率標準----顯著性水平；用 ，然後再確定H0，且保證「=」總在H0上3)原H0一般是需要反駁的，而H1是需要支持的4)假設檢驗只提供原假設不利證據即使「假設」設置嚴密，檢驗方法「精確」；假設檢驗始終是建立在一定概率基礎上的，所以我們常會犯兩類錯誤；第一類：原H0是真，卻拒絕原假設；犯
  • 統計學中的假設檢驗
    作者 | CDA數據分析師假設(hypothesis)，又稱統計假設，是對總體參數的具體數值所作的陳述。假設檢驗(hypothesis test) 是先對總體參數提出某種假設，然後利用樣本信息判斷假設是否成立的過程。
  • 假設檢驗的區別 - CSDN
    為了進行t檢驗我們隨機收集了10名有分數的女孩的數據選擇我們的⍺值（顯著性水平）為0.05進行假設檢驗。為了進行t檢驗我們隨機收集了10名男女學生的成績數據我們選擇⍺值（顯著性水平）為0.05作為假設檢驗的標準
  • 讓你成為統計大師的假設檢驗指南
    所以在今天的文章中，將解釋假設檢驗和讀取統計意義，以區分數據中的信號和噪音–而這也是擁有統計學背景的經理想要明白的！案例研究：假設ABC學校的8年級學生的數學平均成績為85。另一方面，如果我們隨機選擇30名學生並計算他們的平均分數，則他們的平均值為95。
  • 一文讀懂假設檢驗怎麼做
    我們在生活中經常會遇到對一個總體數據進行評估的問題，但我們又不能直接統計全部數據，這時就需要從總體中抽出一部分樣本，用樣本來估計總體情況。作者詳細闡述了如何進行假設檢驗，分享給大家。
  • 假設檢驗與P-value簡介
    如果一個人摸出倆色子，跟你猜大小，你怎知道這倆色子有沒有被做過手腳？如果不把色子切開看，怎麼能知道這個色子的質地是否均勻分布？是否等概率的出現大小點呢？假設檢驗可以幫到我們。百度百科上對假設檢驗是這麼定義的：假設檢驗(hypothesis testing)，又稱統計假設檢驗，是用來判斷樣本與樣本、樣本與總體的差異是由抽樣誤差引起還是本質差別造成的統計推斷方法。
  • 假設檢驗學習筆記
    在實際工作和研究中，往往只能獲得數據的一部分，通常指這個數據為樣本，而通過樣本對整體的估計被稱為假設檢驗。假設檢驗分析思路為了得到用戶的年齡情況，參數估計，基於用戶樣本數據估計整體用戶年齡。假設檢驗思路根據經驗或者其他方面的信息假設一個總體用戶的年齡的可能值，在根據樣本情況，使用工具來驗證假設是否正確。
  • 數據的驗證價值:如何利用數據驗證你的想法及假設?
    這是說，我們總有一些道理，不知出處，或道聽途說，或直覺所致，大體上，都可以暫理解為「假說」一類的道理，即未經證實的假設。我們提出一條假說，為驗證假說，做了一個實驗，總結了一些數字，用數字證明假說正確與否——這是我認為的數據的第一大效用。第二類效用，舉凡KPI、排行榜、算法之類的皆屬此列。這類應用的思想是，算法設計者「想」讓「誰」得到高分。
  • 機器學習從入門到進階丨假設檢驗
    假設則是沒人願意相信的新穎建議。它是有錯的，除非被驗證有效。 假設檢驗的應用在數據科學中佔重要地位，對它的簡化和解構是非常必要的。就像犯罪小說的故事一樣，基於數據的假設檢驗，將把一個新穎的建議引向一個有效的命題。
  • 假設檢驗到底是什麼?(學員必看)
    包括：參數估計與假設檢驗。參數估計：運用統計學原理，用從樣本計算出來的統計量，對參數進行估計。換句話說就是我通過計算知道了一個學校7歲兒童的平均身高，但是如果用這個數值來做整個地區的點估計，太絕對，誤差也大，那我就用一個區間估計。
  • 假設檢驗的邏輯
    科學研究是去偽存真的過程，假設檢驗則是實現這一過程的基本方法。
  • 統計學裡的假設檢驗是什麼?
    解鎖下方視頻 收穫本期看點 看完視頻，是不是還意猶未盡 不妨讓我們一起進入總結時間吧 什麼是假設檢驗
  • 統計:如何用Excel完成雙樣本假設檢驗
    在 Excel中，選擇z-檢驗：從「數據分析」菜單中選擇「雙樣本平均差檢驗」。這一檢驗使用的檢驗統計量，基於標準正態分布。2.母體方差未知並假設相異。從「數據分析」菜單中選擇「t檢驗雙樣本異方差假設」。這種情況下的檢驗統計量具有t分布。3.母體方差未知並假設相等。