因果推断:更好地回答So What
- 建立数据决策的底层思考逻辑
- 分享两种AB TesT经典方法,解决业务决策难题
- 注重实战复用:提供可复制的案例代码
【课程背景】
在产品设计开发以及互联网产品运营中,我们经常会面临多个产品设计和运营方案的选择,比如某个按钮是用红色还是用蓝色,是放左边还是放右边。传统的解决方法通常是依靠直觉或者经验来判断,虽然多数情况下也是有效的,但A/B 测试(A/B Testing)可能是解决这类问题的一个更好的方法。
对于数据分析师、数据产品和运营等从业人员来说,AB test的重要性不用多说了,它已经成为业务增长和数据决策的利器;而对研发人员来说,项目成果难以评估,产品需求要用哪种技术手段实现,新功能/新活动的效果预期等等难题,也可以通过AB test来解决。
【讲师介绍】
冯俊晨,火花思维数据科学总监,芝加哥大学博士,研究领域为微观计量经济学,特别是政策效果的因果推断。此后一直致力于用数据和实验的方法改善学生教育体验和企业决策质量,有多年在互联网创业公司实践和推广AB Test的经验。
【课程介绍】
本课程会介绍AB test两个经典方法,即因果推断和最优选择。
第一部分:因果推断,我会带大家了解常用的几个项目评估方法,以及使用因果推断来进行产品/活动的效果评估的基础操作步骤,并会补充介绍因果推断的局限性。
第二部分:最优选择,当我们面临多个方案选择时应该如何决策,此时便可以使用最优选择的方式,我会带大家了解多臂老虎机的原理,以及Google Analytics使用的汤普森抽样法。
最后,每个部分中都会有一个实操案例,帮助大家理解经典理论模型,同时我已经把案例代码同步到GitHub上,供大家调取学习。
【补充说明】
课程中的内容涉及到实验设计中的假设检验框架、计算样本等内容,需要具备统计学的基础才能更好理解~
公开笔记对他人可见,有机会被管理员评为“优质笔记”
{{ noteEditor.content.length }}/2000
讲师收到你的提问会尽快为你解答。若选择公开提问,可以获得更多学员的帮助。
课程大纲