AB實驗(科學歸因與增長的利器)

作者：劉玉鳳|責編:韓蕊
出版社：機械工業
ISBN：9787111707134

出版日期：2022/07/01
裝幀：平裝
頁數：333

人民幣：RMB 129 元售價：元

內容大鋼

    本書是AB實驗領域的標準化著作，它將帶領你快速理解AB實驗原理、掌握AB實驗方法、搭建AB實驗平台、塑造基於數據和實驗的企業文化，高效開展AB實驗、實現用AB實驗驅動增長。學習本書，你將收穫以下知識和技能：
    AB實驗的基礎知識、關鍵問題及其挑戰；
    AB實驗的統計學知識、參與單元、隨機分流；
    AB實驗的SRM問題、靈敏度、長期影響；
    AB實驗的產品指標體系、評估指標體系；
    AB實驗的平台建設、組織和文化建設；
    AB實驗的增長實踐和解決方案；
    AB實驗的難點和局限性；
    因果分析方法和用戶調查分析方法。
    本書內容具有以下3個特點：
    全面系統、主次分明：如上所述，本書涵蓋AB實驗理論、實踐的方方面面，重點放在對AB實驗關鍵環節的深入理解、關鍵問題的解決方案上，力爭把關鍵問題剖析到位，而不是面面俱到地泛泛而談。
    案例豐富、算例清晰：重要知識點都配有翔實的行業案例，幫助讀者通過應用場景理解AB實驗；以深入淺出的方式闡述了AB實驗涉及的複雜數理知識。
    全球視野、與時俱進：不僅總結了國內外優秀企業的AB實驗案例，而且將全球AB實驗領域先進的研究成果和案例融入了書中。
    通過本書的深入學習，你將成為一個實驗領域的專家，完全可以處理常規AB實驗中的大部分問題，進而更好地迭代產品，實現產品的優化和業務的增長。

作者介紹

劉玉鳳|責編:韓蕊
劉玉鳳，畢業於清華大學，獲機器學習和數據挖掘專業碩士學位，某互聯網大廠高級數據專家和數據科學家，有多年策略產品和數據產品經驗。曾負責該廠AB實驗平台的搭建和運營，在AB實驗領域積累了豐富的經驗。專註數據領域，實踐過豐富的業務類型，包括智能硬體、O20、信息流、出行服務等，在多個業務中擔任過數據負責人，不但擁有豐富的2C數據驅動增長的成功經驗，還擁有多個2B數據賦能業務的落地經驗。多次受邀在MUSP、產品經理大會等行業大會上演講，是領域內難得的兼具深度和廣度，理論和實踐都很紮實的專家。擅長的技術領域如下：全鏈路數據建設：數據埋點、數據治理、BI建設、指標體系。數據分析與用戶洞察：相關性分析、因果性分析、統計學、用戶研究等。策略和模型：用戶增長策略、機器學習和深度學習模型等在業務中的應用。 AB實驗：核心原理、平台建設、實驗分析。

前言
第一部分  了解AB實驗
  第1章  AB實驗的基本原理和應用
    1.1  什麼是AB實驗
      1.1.1  AB實驗的定義
      1.1.2  AB實驗的類型
    1.2  AB實驗的3個基本要素
      1.2.1  實驗參與單元
      1.2.2  實驗控制參數
      1.2.3  實驗指標
    1.3  AB實驗的2個核心價值
      1.3.1  定性因果：驗證因果關係，確保方向正確
      1.3.2  定量增長：實踐數據驅動，精細成本收益
    1.4  AB實驗的2個關鍵特性
    1.5  AB實驗行業應用
      1.5.1  AB實驗應用場景
      1.5.2  AB實驗應用案例
第二部分  深入AB實驗
  第2章  AB實驗的關鍵問題
    2.1  實驗參與對象的3個問題
    2.2  實驗隨機分流的3個問題
    2.3  實驗指標的2個問題
    2.4  實驗分析和評估的3個問題
  第3章  AB實驗的統計學知識
    3.1  隨機抽樣和抽樣分佈
    3.2  區間估計和置信區間
    3.3  樣本容量和邊際誤差
      3.3.1  均值類指標
      3.3.2  比率類指標
    3.4  假設檢驗
      3.4.1  為什麼需要假設檢驗
      3.4.2  如何進行假設檢驗
      3.4.3  第一類錯誤、第二類錯誤和功效
      3.4.4  如何計算功效
    3.5  非參數檢驗
    3.6  方差估計問題
      3.6.1  變化絕對差和相對差的方差估計
      3.6.2  比率類指標的方差估計
      3.6.3  其他指標的方差估計
      3.6.4  異常點對方差估計的影響
    3.7  多重測試問題
      3.7.1  什麼是多重測試問題
      3.7.2  如何避免多重測試
      3.7.3  如何控制多重測試問題
  第4章  AB實驗參與單元
    4.1  實驗參與單元的選擇
      4.1.1  常見的實驗參與單元
      4.1.2  實驗參與單元粒度與實驗評估
      4.1.3  用戶級別的實驗參與單元
    4.2  實驗參與單元的SUTVA問題

      4.2.1  什麼是SUTVA
      4.2.2  為什麼需要讓SUTVA成立
      4.2.3  導致SUTVA不成立的原因
      4.2.4  如何解決SUTVA不成立的問題
    4.3  最小實驗參與單元數量
  第5章  AB實驗的隨機分流
    5.1  單層分流模式
    5.2  正交分層模式
      5.2.1  正交性問題
      5.2.2  分層問題
    5.3  散列演算法
  第6章  AB實驗的SRM問題
    6.1  什麼是SRM問題
    6.2  導致SRM問題的原因
      6.2.1  部署階段
      6.2.2  執行階段
      6.2.3  數據處理和分析階段
    6.3  SRM指標計算和定位
      6.3.1  SRM指標計算
      6.3.2  定位SRM問題
  第7章  AA實驗
    7.1  AA實驗的意義
      7.1.1  控制第一類錯誤
      7.1.2  確保用戶同質
      7.1.3  數據指標對齊
      7.1.4  估計統計方差
    7.2  如何運行AA實驗
      7.2.1  什麼時候運行AA實驗
      7.2.2  AA實驗失敗的常見原因
  第8章  AB實驗的靈敏度
    8.1  什麼是實驗靈敏度
    8.2  如何提升實驗靈敏度
    8.3  選擇指標
      8.3.1  選擇方差較小的評估指標
      8.3.2  標準化評估指標
    8.4  選擇實驗參與對象
      8.4.1  採用更細粒度的單元隨機化對象
      8.4.2  使用觸發分析
    8.5  選擇實驗分組
      8.5.1  使用分層、控制變數或CUPED方法
      8.5.2  設計配對實驗
    8.6  定向觸發技術和評估
      8.6.1  觸發的方式
      8.6.2  觸發範圍變化
      8.6.3  觸發實驗的分析
      8.6.4  觸發檢驗
      8.6.5  觸發技術的局限性
    8.7  如何驗證實驗靈敏度的提升
  第9章  AB實驗的長期影響
    9.1  長短期影響不一致的原因

    9.2  評估長期影響的意義
    9.3  如何評估長期影響
      9.3.1  長周期實驗
      9.3.2  保留實驗和反轉實驗
      9.3.3  後期分析法
      9.3.4  時間交錯實驗法
      9.3.5  固定群組分析法
      9.3.6  長期影響的代理指標法
第三部分  AB實驗評估指標體系
  第10章  產品指標體系
    10.1  什麼是指標體系
    10.2  設計指標
      10.2.1  基於OKR的分級法
      10.2.2  OSM模型法
      10.2.3  指標設計和開發技巧
    10.3  評估指標
      10.3.1  信息增益
      10.3.2  因果關係
      10.3.3  長期有效性
    10.4  進化指標
    10.5  指標分類
    10.6  指標體系設計案例
  第11章  實驗評估指標體系
    11.1  實驗評估指標的3個基本條件
    11.2  選擇更好的實驗評估指標
      11.2.1  綜合指向性與靈敏性
      11.2.2  從業務視角出發
      11.2.3  考慮應用和工程
    11.3  將關鍵指標合併為OEC
      11.3.1  如何建立OEC
      11.3.2  OEC的關鍵屬性
      11.3.3  構建OEC的注意事項
      11.3.4  構建OEC的案例
第四部分  AB實驗的基礎建設
  第12章  開展AB實驗的基礎條件
    12.1  決策層認知
    12.2  基礎工具建設
      12.2.1  購買外部服務
      12.2.2  自建平台
    12.3  文化制度建設
  第13章  AB實驗平台的建設
    13.1  AB實驗平台架構
    13.2  實驗管理功能
      13.2.1  實驗創建管理
      13.2.2  實驗配置管理
      13.2.3  實驗操作管理
      13.2.4  實驗許可權管理
    13.3  實驗部署功能
      13.3.1  流量分配大小
      13.3.2  流量分配時機

      13.3.3  實驗放量節奏
      13.3.4  不同類型實驗的部署
      13.3.5  實驗部署中的其他問題
    13.4  實驗數據處理和分析
      13.4.1  數據源
      13.4.2  數據處理
      13.4.3  指標定義和數據計算
      13.4.4  數據可視化
      13.4.5  數據分析
    13.5  AB實驗服務通用框架
  第14章  實驗組織和文化建設
    14.1  決策層的支持與參與
    14.2  實驗專家團隊的帶領與教育
    14.3  業務團隊實驗骨幹的深入與傳遞
    14.4  全體參與和擴大影響
    14.5  國內AB實驗的開展情況
    14.6  實驗成熟度模型
第五部分  基於AB實驗的增長實踐
  第15章  構建想法：形成產品假設
    15.1  產品策劃找方向
    15.2  數據洞察找瓶頸
  第16章  驗證想法：AB實驗實踐
    16.1  實驗假設
      16.1.1  目標性
      16.1.2  可歸因
      16.1.3  可復用
    16.2  實驗設計
      16.2.1  實驗樣本選擇
      16.2.2  實驗指標設計
      16.2.3  實驗流量計算
      16.2.4  實驗周期預估
    16.3  實驗運行
      16.3.1  實驗上線
      16.3.2  實驗停止
      16.3.3  實驗放量
    16.4  實驗分析和理解
      16.4.1  明確實驗影響範圍
      16.4.2  確保實驗對比人群具有可對比性
      16.4.3  實驗影響評估：先總後分、從主到次
      16.4.4  通過維度細分發現問題
      16.4.5  理解實驗統計學含義
      16.4.6  解讀數據背後的產品邏輯
    16.5  實驗決策
      16.5.1  從分析到決策
      16.5.2  3種實驗結果
      16.5.3  實驗報告
  第17章  沉澱想法：實驗記憶
    17.1  什麼是實驗沉澱
    17.2  實驗沉澱的價值
      17.2.1  發現策略通用性

      17.2.2  從失敗中尋找機會
      17.2.3  發揚實驗文化
      17.2.4  幫助理解指標
    17.3  如何進行實驗沉澱
  第18章  基於AB實驗的增長實踐解決方案
    18.1  角色分工方案
    18.2  數據建設方案
    18.3  效果評估方案
第六部分  AB實驗的局限與補充
  第19章  AB實驗的局限性
    19.1  戰略創新層面
    19.2  戰術執行層面
  第20章  AB實驗之外的因果分析方法
    20.1  匹配法
      20.1.1  匹配法的基本步驟
      20.1.2  傾向性得分方法
    20.2  工具變數法
      20.2.1  什麼是工具變數
      20.2.2  案例1：教育、參軍對收入的影響
      20.2.3  案例2：內容發布者與用戶活躍度的關係
    20.3  面板數據法
    20.4  中斷時間序列法
    20.5  斷點回歸法
    20.6  增益模型
  第21章  常用的用戶調查分析方法
    21.1  用戶日誌分析
    21.2  調查問卷
    21.3  焦點小組
    21.4  用戶體驗研究
    21.5  人工評測
    21.6  外部數據

同類熱銷排行榜

最近瀏覽的商品

AB實驗(科學歸因與增長的利器)