网传产品经理有三宝：山寨、改版、再推倒。但实际工作种，每次改版都会遭遇研发、UED、运营的责难。产品宝宝们心里苦/(ㄒoㄒ)/~~（工作需要先复盘迭代这部分，APP设计法则稍后会继续完善）
那如何评估改版后有木有效果？运营数据，科学的运营数据。五步评估改版后的效果
1【确定关键数据指标】不同产品关键数据指标不同
电商产品：收入=访问量（流量）*转化率*客单价
游戏型产品：收入=用户活跃数*付费率(付费用户的比例)*ARPPU（平均每个付费用户的收入）
媒体型产品：PV和UV
社区型产品：活跃度和留存率
（目前涉及到这些稍加整理，欢迎大家继续补充O(∩_∩)O~）
2【假设检验】又称显著性检验。是数理统计学中根据一定假设条件由样本推断总体的一种方法。原理就是先对总体特征做出某种假设，然后根据样本统计进行推理，看假设是被接受还是拒绝。H0为原假设，需要去验证，一般首先假设H0是正确的，然后根据显著性水平选择是接受还是拒绝。H1备择假设，一般是原假设的否命题。当H0被拒绝时，默认接受H1
3【卡方检验】X二次方检验，用来验证两个总体间某个比率之间是否存在显著性差异。卡方检验适用于比率型的数据，如游戏型产品中的付费率。假设一定时间内，比如改版前后各30天，取30天数据的均值，改版前月活跃用户数10000，月付费用户数1000，月付费率 a1=1000/10000=10%
改版后月活跃用户数20000，月付费用户数3000，月付费率 a2=3000/20000=15%
我们假设H0:a1=a2,改版前后月付费率相等。H1：a1不等于a2，改版后月付费率不相等。
将两组数据（10000，1000）和（20000，3000）分别输入一个卡方检验模板，如下图得出结论改版前后的月付费率在95%的置信水平上存在显著性差异，说明改版后月付费率效果明显
4【T检验】最常见的假设检验类型，主要验证总体均值间是否存在显著性差异。T检验属于参数假设检验，所以它适用于数值型的数据。另外还要保证总体符合正态分布
如以游戏型产品月ARPPU为例，改版前10天数据分别为23.6、28.9、24.1、21.7、27.4、28.6、29、24.2、26.3、22.1
改版后10天数据分别为29.1、24.4、30.9、28.8、25.3、29.8、26、30.2、31.7、27.6.
将两组数据输入EXCEL，使用excel的数据分析工具，选择T检验：平均值的成对二样本分析。输出检验结果：单尾P值=0.014901。由于0.014901<0.05，即单尾P值<0.05,存在显著性差异，所以改版后月ARPPU效果显著。
5【总体结果评估】会有三种结果，以游戏型产品为例，月收入=月活跃用户数*月付费率*月ARPPU
a三个关键指标改版后效果都显著，则总体改版效果显著
b三个关键指标改版后效果都不显著，则总体改版效果不显著
c三个关键指标显著不显著都存在的情况，依据月收入增加或减少来判断改版效果
这个部分复盘，涉及到很多统计学的知识，感觉有些吃力，看来知识还是需要多多拓展的。。。