A/B测试从0到1--极客时间课程推荐/优惠

你将获得：

• 互联网人必懂的A/B测试方法论；
• 手把手带你构建A/B测试流程体系；
• A/B测试常见使用场景及误区；
• A/B测试面试真题详解。

在大数据时代，业务的科学增长要靠数据来驱动。但是有很多人认为，数据驱动不就是做几次数据分析、产生一些报表嘛？当然不是了。要把数据真正用在公司/团队的业务决策流程中，A/B测试是非常关键的一环。

但A/B测试是一种实践性非常强的方法。其实，A/B测试的原理并不难，难的就是在面对千变万化的业务场景和数据时，该怎么灵活处理。毕竟在A/B测试都实施过程中，有太多琐碎的环节，也存在着太多的误区。

• 一个科学、规范的做A/B测试的框架是什么样的？
• 选取样本量时，真的是越多越好吗？
• 复杂业务场景下，怎么选取评价指标呢？
• 测试结果在预计时间之前达到了统计显著，实验是不是提前成功了呢？

很多人被这样的问题所困扰，这也是为什么我们经常会看到这样一个怪现象：如果没有扎实的统计学基础，那么肯定做不好A/B测试；可即使掌握了理论基础，在实施A/B测试中还是会遇到各种数据问题或者工程Bug。要是一不小心哪怕忽视了很小的一个点，实验结果就会变得不准确，所有的功夫就都白费了。

所以，我们特意邀请了美国互联网大厂FLAG的资深数据科学家张博伟，从框架搭建和实战解析两个层面，帮助你学会使用A/B测试，以及用好A/B测试。

老师将结合自己多年参与、主导A/B测试的经验，依据大量实践案例，从0到1帮你建立起一个科学、规范的做A/B测试的流程。除此之外，他还会梳理、总结出一些方法论，分享一些避坑经验，让你真正用A/B测试做好数据决策，让业务增长不止翻倍！

模块设计

课程主体包括三大模块。

统计篇：带你快速掌握A/B测试的统计学基础

这个模块精选了做A/B测试必须掌握的两大块统计学知识，包括A/B测试的理论基础假设检验、A/B测试的前提指标的统计属性，带你有针对性地、快速掌握A/B测试的理论知识。

基础篇：从0到1建立规范的A/B测试流程

这个模块将会按照做A/B测试的5个关键步骤来展开，也就是确定目标和假设、确定指标、选取实验单位、计算所需样本大小，以及分析测试结果。在讲解流程的同时，告诉你背后的原理，帮助你在实际应用时能举一反三。

进阶篇：带你绕过A/B测试实践中的坑

这个模块主要针对实际业务场景中潜在的坑，包括测试结果不显著怎么改善、A/B测试是不是万能的、多重检验等问题，还会为你梳理面试中常考的知识点。

此外，这个模块还会带你实战制作一个实用的样本量计算器，来解决网上工具参差不齐、适用范围有限等问题。

开篇词

• 开篇词｜用好A/B测试，你得这么学

统计篇：A/B测试的前提与理论基础

• 01 | 统计基础（上）：系统掌握指标的统计属性
• 02｜统计基础（下）：深入理解A/B测试中的假设检验

基础篇：从0到1，带你建立规范的A/B测试流程

• 导读 | 科学、规范的A/B测试流程，是什么样的？
• 03｜确定目标和假设：好的目标和假设是什么？
• 04｜确定指标：指标这么多，到底如何来选择？
• 05｜选取实验单位：什么样的实验单位是合适的？
• 06 | 选择实验样本量：样本量越多越好吗？
• 07｜ 分析测试结果：你得到的测试结果真的靠谱吗？
• 08 | 案例串讲：从0开始，搭建一个规范的A/B测试框架

进阶篇：怎么在A/B测试的实践中避坑

• 09 ｜测试结果不显著，要怎么改善？
• 10｜常见误区及解决方法（上）：多重检验问题和学习效应
• 11 | 常见误区及解决方法（下）：辛普森悖论和实验组/对照组的独立性
• 12｜什么情况下不适合做A/B测试？
• 13｜融会贯通：A/B测试面试必知必会（上）
• 14｜举一反三：A/B测试面试必知必会（下）
• 15｜用R/Shiny，教你制作一个样本量计算器

结束语

• 结束语｜实践是检验真理的唯一标准
• 结课测试题｜这些A/B测试的知识你都掌握了吗？
• 加餐｜试验意识改变决策模式，推动业务增长