【数据分析】数据分析方法 | A/B测试与多变量分析

【数据分析】数据分析方法 | A/B测试与多变量分析

上一次与大家讨论了数据分析方法中的市场细分与同期群分析，此次仍然是对数据分析方法的讨论，讨论A/B测试与多变量分析的应用。
如果撇开统计性数据分析不谈，数据分析的最终目的是为了对具体业务矫枉过正或者做一些探索性分析为业务的发展提供一个可能的发展方向。比如我发现本月的销售额下滑了，我要找到下滑的原因，然后解决业务中可能存在的一些问题；在分析的过程中可能要用到市场细分(比如对客户进行分类再分析)，也可能需要在整个客户的生命周期去观察产品迭代更新的影响(同期群分析)。但有时候我需要比较两个方案的优劣，可能就需要用到A/B测试，择优而从之；更进一步，再结合多种指标综合分析一下，或者用控制变量法对各种指标逐个进行测试，那就涉及到多变量分析法的应用了。说这么多，其实就一个道理：大道都是相通的。 在商不言商，在官不言官。分析不为分析而分析，而是为了业务、模式、规则。

---

1 A/B测试

如果说同期群分析是典型的纵向分析(在整个生命周期上进行的分析)，那么市场细分、A/B测试就是典型的横向分析(能细分出具有并列关系的群体)。

比如，向半数用户展示一个绿色按钮，对另一半用户展示蓝色按钮，观察哪种颜色的按钮点击率更高就是一种横向研究。假设其他条件保持不变，仅考虑某一属性对用户的影响，就是A/B测试。
A/B从测试的过程中，仅仅对一种变量进行了测试，也就是说它是一种单变量测试。这种测试可以让你快速的确定产品的细节，而不是纠结到底应该选哪一个好。你可以对对个变量进行A/B测试，但此时不如使用多变量测试。

---

2 多变量测试

A/B测试是单对个变量进行测试，多变量测试则是多个A/B测试共同进行，或者一次对多个变量进行测试，当使用多个变量进行测试的时候，为了保证测试结果准确无误，需要结合控制变量法一起使用。

你可以测试产品的所有细节，但最好首要关注那些关键的步骤和假设。A/B测试不仅简单高效，而且测试结果可能会为你带来巨大的回报。当使用多个变量进行测试的时候(即多变量测试)，一方面要控制变量，另一方面要有足够多的客户参与测试，否则测试结果可能带来负面的影响。这是A/B测试或者多变量测试的一个缺点。

---

总结

方法毕竟是方法，单独拎出来总让人感觉意犹未尽，在整个产品/客户的生命周期，你可能用到其中的一两个方法，还有些时候需要多种方法一起上，就像下面这样：

所以不要在术的层面被限制。