首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

AB试验(四)基于规范流程的一个案例分析

假设:只在用户有需求的时候弹窗引导用户使用相关功能,可以提高相关功能的使用率 确定指标 定义场景:团队准备以“把喜欢的音乐加入收藏夹”这个功能做一个A/B测试 历史数据分析确定x的最优值为4。...即用户从未使用过这个功能,且播放同一首歌到达4次时,在播放第5次进行弹窗提醒可以把喜欢的音乐加入收藏夹 由于弹窗仅是对用户的提醒,因此不做重复弹窗,所以每个符合条件的用户最多只能收到一次弹窗 定义触发条件...:用户从未使用过这个功能,且播放同一首歌到达x次时,进行弹窗提醒 数据分析优化场景 定义评价指标 评价指标:【把喜欢的音乐加入收藏夹】功能的使用率=使用了【把喜欢的音乐加入收藏夹】的用户总数/实验中的用户总数...优化评价指标:【把喜欢的音乐加入收藏夹】功能的使用率=弹窗后1天内使用了【把喜欢的音乐加入收藏夹】的用户总数/实验中的用户总数,且用户符合触发条件。...通过历史数据的回溯分析,得到用户在符合触发条件后一天内使用把喜欢的音乐加入收藏夹】功能的概率为2%,通过统计公式计算得到置信区间为[1.82%,2.18%]。

24210

AB试验(七)利用Python模拟AB试验

实验为双尾检验 实验分流为50%/50% 显著性水平为5% 检验功效为80% # 实验设定 alpha=0.05 power=0.8 beta=1-power 确定目标和假设 目标:提高【把喜欢的音乐加入收藏夹...】功能的使用率 假设:用户从未使用过这个功能,且播放同一首歌到达4次时,在播放第5次进行弹窗提醒可以把喜欢的音乐加入收藏夹 确定指标 评价指标:【把喜欢的音乐加入收藏夹】功能的使用率 护栏指标:样本比例...、特征分布一致 确定实验单位 用户ID 样本量估算 模拟历史样本 # 假设用户的购买金额服从正态分布 # 模拟过去一段时间的用户【把喜欢的音乐加入收藏夹】 np.random.seed(1) collect...size=20000, random_state=0) plt.hist(collect, 30, density=True) plt.show() output_33_0 # 输出当前【把喜欢的音乐加入收藏夹...因此整体上可以认为此次优化有助于提高【把喜欢的音乐加入收藏夹】功能的使用率。

26320

JS

10130

扫码

添加站长 进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

    运营活动

    活动名称
    广告关闭
    领券