4.3
用户推荐指数
科技 类型
6.8 豆瓣评分
可以朗读 语音朗读
213千字 字数
2022-06-01 发行日期
展开全部

主编推荐语

BAT资深数据科学家10余年AB实验工程经验总结，系统阐释AB实验原理、方法和增长实践，融合全球优秀企业经验。

内容简介

本书是AB实验领域的标准化著作，带领你快速理解AB实验原理、掌握AB实验方法、搭建AB实验平台、塑造基于数据和实验的企业文化，高效开展AB实验、实现用AB实验驱动增长。

通过本书的深入学习，你将成为一个实验领域的专家，完全可以处理常规的AB实验中的大部分问题，帮助你更好地迭代产品，实现产品的优化和业务的增长。

目录

  • 版权信息
  • 作者介绍
  • 前言
  • 第一部分 了解AB实验
  • 第1章 AB实验的基本原理和应用
  • 1.1 什么是AB实验
  • 1.2 AB实验的3个基本要素
  • 1.3 AB实验的2个核心价值
  • 1.4 AB实验的2个关键特性
  • 1.5 AB实验行业应用
  • 第二部分 深入AB实验
  • 第2章 AB实验的关键问题
  • 2.1 实验参与对象的3个问题
  • 2.2 实验随机分流的3个问题
  • 2.3 实验指标的2个问题
  • 2.4 实验分析和评估的3个问题
  • 第3章 AB实验的统计学知识
  • 3.1 随机抽样和抽样分布
  • 3.2 区间估计和置信区间
  • 3.3 样本容量和边际误差
  • 3.4 假设检验
  • 3.5 非参数检验
  • 3.6 方差估计问题
  • 3.7 多重测试问题
  • 第4章 AB实验参与单元
  • 4.1 实验参与单元的选择
  • 4.2 实验参与单元的SUTVA问题
  • 4.3 最小实验参与单元数量
  • 第5章 AB实验的随机分流
  • 5.1 单层分流模式
  • 5.2 正交分层模式
  • 5.3 散列算法
  • 第6章 AB实验的SRM问题
  • 6.1 什么是SRM问题
  • 6.2 导致SRM问题的原因
  • 6.3 SRM指标计算和定位
  • 第7章 AA实验
  • 7.1 AA实验的意义
  • 7.2 如何运行AA实验
  • 第8章 AB实验的灵敏度
  • 8.1 什么是实验灵敏度
  • 8.2 如何提升实验灵敏度
  • 8.3 选择指标
  • 8.4 选择实验参与对象
  • 8.5 选择实验分组
  • 8.6 定向触发技术和评估
  • 8.7 如何验证实验灵敏度的提升
  • 第9章 AB实验的长期影响
  • 9.1 长短期影响不一致的原因
  • 9.2 评估长期影响的意义
  • 9.3 如何评估长期影响
  • 第三部分 AB实验评估指标体系
  • 第10章 产品指标体系
  • 10.1 什么是指标体系
  • 10.2 设计指标
  • 10.3 评估指标
  • 10.4 进化指标
  • 10.5 指标分类
  • 10.6 指标体系设计案例
  • 第11章 实验评估指标体系
  • 11.1 实验评估指标的3个基本条件
  • 11.2 选择更好的实验评估指标
  • 11.3 将关键指标合并为OEC
  • 第四部分 AB实验的基础建设
  • 第12章 开展AB实验的基础条件
  • 12.1 决策层认知
  • 12.2 基础工具建设
  • 12.3 文化制度建设
  • 第13章 AB实验平台的建设
  • 13.1 AB实验平台架构
  • 13.2 实验管理功能
  • 13.3 实验部署功能
  • 13.4 实验数据处理和分析
  • 13.5 AB实验服务通用框架
  • 第14章 实验组织和文化建设
  • 14.1 决策层的支持与参与
  • 14.2 实验专家团队的带领与教育
  • 14.3 业务团队实验骨干的深入与传递
  • 14.4 全体参与和扩大影响
  • 14.5 国内AB实验的开展情况
  • 14.6 实验成熟度模型
  • 第五部分 基于AB实验的增长实践
  • 第15章 构建想法：形成产品假设
  • 15.1 产品策划找方向
  • 15.2 数据洞察找瓶颈
  • 第16章 验证想法：AB实验实践
  • 16.1 实验假设
  • 16.2 实验设计
  • 16.3 实验运行
  • 16.4 实验分析和理解
  • 16.5 实验决策
  • 第17章 沉淀想法：实验记忆
  • 17.1 什么是实验沉淀
  • 17.2 实验沉淀的价值
  • 17.3 如何进行实验沉淀
  • 第18章 基于AB实验的增长实践解决方案
  • 18.1 角色分工方案
  • 18.2 数据建设方案
  • 18.3 效果评估方案
  • 第六部分 AB实验的局限与补充
  • 第19章 AB实验的局限性
  • 19.1 战略创新层面
  • 19.2 战术执行层面
  • 第20章 AB实验之外的因果分析方法
  • 20.1 匹配法
  • 20.2 工具变量法
  • 20.3 面板数据法
  • 20.4 中断时间序列法
  • 20.5 断点回归法
  • 20.6 增益模型
  • 第21章 常用的用户调查分析方法
  • 21.1 用户日志分析
  • 21.2 调查问卷
  • 21.3 焦点小组
  • 21.4 用户体验研究
  • 21.5 人工评测
  • 21.6 外部数据
展开全部

评分及书评

4.3
6个评分
  • 用户头像
    给这本书评了
    5.0

    AB 实验作为利用数据驱动增长的重要手段，可以在推断因果效应的同时量化策略效果，在产品创新、优化和改进中发挥着越来越重要的作用。AB 实验是一项复杂的系统工程。如果没有坚实的理论基础、强大的平台能力、丰富的实践经验作为支撑，那么很容易得出错误的 AB 实验结论，进而让组织做出错误的决策，错失发展机会。

      转发
      评论

    出版方

    机械工业出版社有限公司

    机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。