A/B测试算法大揭秘第四篇：置信区间究竟是怎么来的？

置信区间的概念置信区间（Confidence Interval）是用来对一个概率样本的总体参数进行区间估计的样本均值范围，它展现了这个均值范围包含总体参数的概率，这个概率称为置信水平。置信水平代表了估计的可靠度，一般而言，我们采用 95% 的置信水平进行区间估计。置信区间的计算方法根据统计学的中心极限定理，样本均值的抽样分布呈正态分布。由之前介绍的t检验大样本检验公式计算得

产品经理 2016年08月10日

解读数据？解读“人”！

在营销学中，市场的根本在于需求，需求由人而生。因此，我们不应该就数字而数字，就算法而算法，应该自始自终关注“人”，市场研究则更是如此。有人也许会说，“人”可不好说，有时说谎，有时偏私，真真假假。但，不是有种更简单的想法吗？我们自己本身就是“人”。作为市场研究者，大可不必将自己完完全全剥离在“人”这个概念以外，顶着看似客观的立场，作困兽之斗。这个时候，也许有人会质疑，如果加入

业界综合 2016年08月09日

留存率还能这样计算？（上）

留存率这个概念对于大家来说一点也不陌生，平时看到的更多是固化的留存率，一般统计周期按天，常见有次日、7日、14日、15日、30日、60日等；如果大家想看更加灵活维度的留存率，比如按照某一日期时间段的留存率，都有经历这样的流程：给分析师提需求——分析师给技术提需求——分析师拿到数据并分析留存率——将数据结果给PM/运营，这个流程至少需要持续一天，一天后才能拿到最终的结果，不仅

产品运营 2016年08月09日

A/B测试算法大揭秘第三篇：如何分析试验数据（下）

P-value定义P-value（以下简称P值），又称“显著性水平”，它是指在原假设为真的条件下，样本数据拒绝原假设事件发生的概率，可以用来评估假设检验中最关键的第一类错误的概率。今年3月，美国统计协会（ASA）在其官网上发布了《关于统计显著性和P值的声明》，进一步阐释了P值的概念和用处：P值可以表达的是数据与一个给定模型（也就是原假设下的模型）不匹配的程度；P值并不能衡量

产品运营 2016年08月04日

数据分析｜相信你定的指标还是相信你的经验？

约数十年前，如果你的产品想要达到良好的用户体验，你只能祈祷你的直觉有效。但自从我们拥有数据分析的能力后，问题就解决了。我们不用在黑暗中摸索，问自己是否真的有人读了每隔一天寄送出去的广告邮件，以及多少人试用了新发布的产品功能。我们只要通过指标数字就可以得到答案。但即便如此，部分问题还是没有得到解决。无论上班、下班，我常听到以下问题被大肆讨论：我们这么做难道只是为了追求好看的指

产品经理 2016年08月01日

A/B测试算法揭秘第二篇：如何分析试验数据（上）

A/B测试的实质是对照试验，即通过对几个不同的版本进行对比，从而选出最优版本。在这个过程中，需要分析处理在试验中收集到的数据，并应用统计学上的方法对数据进行验证，看它是否符合我们最初的设计目标，或分析它的结果效应如何。这一章我们就将跟大家谈谈这种方法——假设检验。假设检验的定义假设检验是先对总体的参数提出某种假设（比如说转化率的平均值），然后利用样本数据判断假设是否成立的过

产品经理 2016年07月29日

关于用户流失，数据分析可以挽回一线生机

有些流失是无法避免的，但也有可以挽留的。流失的分类 刚性流失可以进一步分为新用户水土不服型和老用户兴趣转移型，这部分流失用户是无法挽留的，缘尽于此，花再多的钱也没什么用，毕竟强扭的瓜儿它不甜。所以我们应该尽量将这部分用户剥离出来，避免不必要的投入。体验流失可能是应用体验、服务体验、交易体验、商品体验等等，总之就是在使用产品\服务的过程中，感到了一丝不爽，正所谓一言不合就流失

产品运营 2016年07月27日

产品经理如何进行产品数据分析？

一.确认分析目标进行数据分析工作一定要有目的性，不要为了分析而分析。当我们遇到问题时要先去，要先去考虑我们做数据分析是为了解决哪些问题。二.采集数据当我们确定了分析目标之后，就要开始收集数据，数据来源一共有三种：产品本身—产品运营数据和用户反馈竞争产品—网站流量和公司财报行业内—行业分析报告和热点大数据提供行业数据的网站非常多，这里给大家介绍几个常用的百度指数，友盟；艾瑞咨

产品经理 2016年07月19日

运营实操｜如何利用微信后台数据优化微信运营

前不久自己开通了一个个人公众号，想着在业余时间来实践实践下新媒体运营，期间也尝试用微信后台提供的数据统计功能来对整个运营进行优化。做了近20天，因业余时间很有限，且用户精准细分，粉丝量虽然不大，但颇有心得，现在分享给大家。经一番实践。本人认为，微信后台数据统计的意义在于以下3个方面：对前期的公众号定位和用户精准度进行验证性分析，看初始策略是否对路，需要及时调整对用户来源/渠

产品运营 2016年07月19日

运营必读：如何打通数据化运营的任督二脉？

创业公司横流，很多运营岗都没有规范的技能培训，更没有专职的数据分析岗，唯一要用的时候就是老板要看你的总结报告。可以看到很多工作三四年的运营都做不出一张漂亮的表格，产品或活动出现问题也不能有逻辑地定位原因。不会数据的运营只不过是资源的搬运工，无法真正成长。看一个案例，如图所示，一个简单的分析链路。作为一个好运营，这样的链路应该是刻在脑子里的。今天想通过更易理解的角度，来帮助养

产品运营 2016年07月12日