The 7th Lecture of AB Testing

在本系列讲座中,我们将以《Trustworthy Online Controlled Experiments: A Practical Guide to A/B Testing》(Ron Kohavi , Diane Tang , Ya Xu)一书为参考展开讲述。

Start

July 24, 2021 - 4:00 pm

End

July 24, 2021 - 5:00 pm

Address

Online Webinar   View map

Categories

中文公开课

Live 线上讲座

数据科学读书会 Book 13 – AB Testing

第七讲


数据应用学院(Data Application Lab)专注于数据科学,人工智能和大数据的职业教育, 每年向全球各地,包括硅谷和华尔街的知名企业输送数百 Data Scientists, 更有大量 Data AnalystsBusiness Analysts,Machine Learning Engineers,Software Engineers 以及 Data Engineers。多年的钻研积累和专一打造了独一无二教学方法和求职经验。被多家北美英文科技媒体列为 Top 10 North American Data Bootcamp。学员遍布美国加拿大,还有来自欧洲, 澳洲和亚太等地的慕名者报名参加。


AB测试是为网页或App界面制作两个或多个版本,收集两组成分相似的群体的用户体验数据和业务数据,最后分析、评估出最好版本。AB 测试能将资源利用最大化,从而避免不必要的风险,帮助提高投资回报率。无论是基于短期转化率、长期客户忠诚度、还是其他重要指标,AB Testing都是非常有效的测试方式。现如今,AB Testing被人们广泛运用于互联网公司的产品或服务的优化迭代,每年数以万计的AB测试实验被Amazon,Google,Facebook这些大厂应用到产品线上。

在本系列讲座中,我们将以《Trustworthy Online Controlled Experiments: A Practical Guide to A/B Testing》(Ron Kohavi , Diane Tang , Ya Xu)一书为参考展开讲述。作者之一 —— Ron Kohavi被业界尊称为在线实验的“教父”,目前在Airbnb担任副总裁和技术院士;另外两位作者分别是来自Google、Linkedin的数据科学家。这本书围绕线上的AB测试,讲述了AB Testing实际落地时的最佳实践、经验教训和常见误区,被广大互联网从业人员誉为A/B测试领域的“圣经”。

在整体8次直播课上,你将会学到如何科学地通过受控实验来评估假设;如何定义关键指标,特别是总体的评估标准;如何去测试结果的可信度,并根据结果快速解释和迭代,以维持关键业务目标。你还将了解如何去构建一个可扩展的平台,将实验的边际成本降低到接近于零;以及统计问题如何在实践中发挥作用等等。

第1讲: A/B 测试的基本介绍
AB Testing介绍
实验的运行和分析
泰曼定律和实验可信度
实验的平台与文化

第2讲: A/B 测试的指标
指标体系
制定指标的原则和技术
指标的评估和衍化
如何将关键指标组合成总体评估标准(OEC)

第3讲:A/B 测试的实验设置
端到端的案例研究
局部线性假设
如何衡量网站表现
不同页面元素的不同影响
历史记录和元分析

第4讲: 无法使用A/B测试时的替代方法
替代的技术与方法
基于日志的分析
人工评估
用户体验研究 (UER)
观察性因果研究的设计和陷阱

第5讲:AB测试的实验平台
客户端的实验
如何进行实验监测
如何选择随机化单元

第6讲:AB测试的实验分析基础
阶梯式产品上线
大规模实验分析
A/B测试背后的统计

第7讲:方差和敏感性分析
方差估计与提升灵敏度
A/A 测试
触发机制对灵敏度的影响

第8讲: AB测试中的其他问题
如何处理样本比率的不匹配
不同实验组之间的泄漏和干扰
如何测量长期实验效力影响

【所有成功注册并全程出席的同学将获得特别礼品】
获得资格加入北美求职互助群
获得数据应用学院奖学金积分50美金
可以领取数据应用学院的数据科学家课程优惠券

2021年8月28日 “数据科学家求职训练营” 开营啦!https://www.dataapplab.com/ds/

数据应用学院 — 北美留学生求职的最佳路径 www.dataapplab.com

MORE DETAIL

Phone

1-800-485-7918

Email

info@DataAppLab.com