绿林网

《AB实验》读后感100字

《AB实验》读后感100字

《AB实验》是一本由刘玉凤著作,机械工业出版社出版的平装图书,本书定价:129,页数:333,特精心收集的读后感,希望对大家能有帮助。

《AB实验》读后感(一):适合多种岗位阅读的AB实验图书

在大数据时代,毫无疑问,我们应该依据数据进行决策,但是我们通常见到的数据都是自然条件下的数据,这些数据在描述现状方面具有很大优势。但是,我们往往想知道的如果产品进行一个迭代,那么迭代后会发生的结果是什么?这个时候就可以使用AB实验的方法。

AB实验是一种知易行难的一种方法,其主要的思想并不难,但在进行实验设计和结果推断的时候,有很多的细节需要注意。《AB实验》这本书就详细说明了实验的整个过程和注意事项。这本书共分为六个部分,涉及到了AB实验的基础概念、关键问题、指标体系、平台建设和增长实践等多个方面。既可以作为入门级别的读物,也可以作为有相关经验者案头的参考书目;AB实验的实施和结果落地需要多岗位的配合,在这本书中,不管是研发、产品经理还是企业的决策者,都可以找到自己感兴趣的点,因此,它是一本适合多种岗位阅读的AB实验图书。

我对AB实验的基本方法是有所了解的,但如果需要对AB实验的结果进行因果推断,则需要注意很多的细节,比如实验组和对照组用户的选取,参与用户的随机化处理,实验中的干扰因素,以及统计方法的合理选择等等,这些都会影响到结果推断的准确性,而这些内容在该书中都有所讲解,这也是我比较感兴趣的点。

在互联网行业的数据分析中,AB实验是一种重要的方法,但是它也不能解决所有问题,还需要辅之于其他方法。但是如果你想了解AB实验,还是建议读一读这本书,相信你会有收获的。

《AB实验》读后感(二):AB实验是增长利器

在学习增长黑客的时候了解到了AB test,像字节跳动会经常用这种方式去,但是对于AB测试或AB实验只有些简单的了解,并没有很深入地使用过,《AB实验:科学归因与增长的利器》这本书就很好地对AB实验有一个比较全面的深入讲解。

这本书共分了六个部分,从了解AB实验开始,到深入了解AB实验的评估指标体系、基础建设和局限,还有AB实验的增长实践,尤其是实践的部分,可以很好地去把AB实验的完整思路给过一遍,对于如何使用AB实验有很好的帮助。难能可贵的是,书中还给出了生动易懂的例子和严密公式的推导,用深入浅出的方式阐述了AB实验涉及的复杂数理知识,能够从原理到实践层面都能够很好地去学习和掌握,我想这也是本书最大的亮点之一了。

AB实验是一项复杂的系统工程,没有坚实的理论基础、强大的平台能力和丰富的实践经验作为支撑,很容易得出错误的AB实验结论,进而会判断出错,因此《AB实验:科学归因与增长的利器》这本书就会给出一些详细的理论基础和丰富的实践经验。当然,我们在实际工作中也会经常用到AB实验,正如书中举得Bing的例子,一个需求由于优先级较低,被搁置了半年,之后因其代码难度低而被实施,并投放给真实用户去评估,结果出人意料,这个一开始不被看好的需求却获得了广大用户的认可,这就是AB实验的价值所在,也启示我们直觉和经验难以评估一个创意的价值,微小改变也可能带来巨大影响,当然极少有能够带来巨大效果的实验,像微软公司每年有超过一万个实验,但这种通过简单改变带来巨大收益的情况近年来仅此一次,这也正说明了AB实验的重要性。另外,书中还有很多这样的经典案例和实验的方法,感兴趣的读者可以看下,值得推荐的一本好书。

《AB实验》读后感(三):AB实验权威指南

《AB实验:科学归因与增长的利器》一书是近些年关于AB实验的一本较为完备且又保持前沿内容的一本好书,是作者自身工作经验和研究的总结,对相关从业者是一本不可多得的实践指南。

AB实验是通过对照实验来起到效果评估的一种实验方法,尤其是最近这些年在互联网领域大兴其道。尤其是遇到产品的优化或改进等情况时会起到重要的决策作用。在于AB实验可以降低新的功能或者版本发行的风险,因为我们不能确定用户能不能接受相对较大的改动带来的是惊喜还是惊吓。

AB实验的主要做法是将待评估对象随机分成两组,一组作为实验组,另外一组就是对照组。我们针对实验组会施加各种策略干预,然后比较两组之间的效果。由于实验组和对比组是随机划分出来的,故而两组实验对象便可认为是同质的,由此实验所看到的效果就可以认为是由于策略所带来的效果。

记得几年前我们对公司一个重要的某产品管理系统进行了一次重构升级,因为已经使用了十几年了,无论是业务还是技术都需要迭代一下,尤其是页面必须要升级一下了,十几年前那种老页面已经很不适合现在互联网前端技术的要求了。但是UI给出了一些配色和设计风格后,一部分人觉得很新颖,很新潮,是不错的方案,另一部分人则觉得步子迈的太大会现有用户不一定是好事,循序渐进可能才是好的模式。于是争执不下的情况下,便由测试组进行了一次AB测试,由他们决定到底采用哪种方案,后来系统上线后果然收到了很多好评。

这本书对AB实验的方方面面均进行了详略得当的描述,不过对数学的要求还是有一些的,比如,统计学中假设检验中的P值、显著性水平等问题,希望你还没有忘记大学概率论和数理统计的课程内容。总之,这是一本不可多得的实践指南,希望你们好好的读起来吧。

《AB实验》读后感(四):会AB实验已然成为数据从业人员的“标配”能力

最近《AB实验》这本书在数据分析圈子里可谓是爆火,我认识的小伙伴们几乎是人手一本,有的是购买了实体书籍,有的是通过在线平台阅读电子版,平时在群里聊天也有很多是围绕AB实验相关话题进行的讨论,大家都对此保持高度的兴趣。

究其原因,我认为主要有两点。其一是市面上关于AB实验专籍的稀缺,除了前几年发售的《关键迭代》之外,没有专门体系化论述AB实验的书籍出现;其二是互联网行业各个大厂在招聘数据相关岗位时,要求岗位人员具备AB实验的理论和实际操作经验,并且这一能力在目前绝大多数JD中是必需项。正是由于市场上供应的稀缺性与需求的刚性要求之间的矛盾,造成本书一经面世,便一时洛阳纸贵,大量数据从业人员趋之若鹜,我也不甘人后,找来了一本进行学习。

花了一周多的时间,快速浏览了一遍全书,这本书只读一遍是不够的,回头还需要再精读一两遍。第一遍读下来的直观感受是全书非常体系化、全面地对AB实验相关知识点进行详述,是对之前碎片化学习的很好补充以及查漏补缺。之前,我在自己的公众号“数海随记”中写过一篇使用python自动输出AB实验数据统计的文章(计算最小样本量、置信区间、功效、显著性检验),读完本书后,才明白这只是AB实验实施路上的初级阶段(爬行阶段)。而目前市面上主流的AB实验平台,经过实际使用,感受就是主要针对信息流广告投放,对于UI、版本等方向的测试不支持,属于“阉割版”,支持场景有限。真正能够满足企业需求的尽头可能还是要自建系统,而这也恰恰是本书的价值所在,在书中通过大量的篇幅和案例对AB实验的统计知识、注意事项、评估体系、流程、局限性等,从深度和广度两方面进行系统性解读。

读完全书,让我对AB实验有了更加深刻的认识,作为归因分析的一种统计方法,有很多容易疏忽的点,稍有不慎,就会使得结果出现偏差。同时,还要考虑到辛普森悖论等陷阱,一旦发现,需要迅速下线实验或者重启实验。通过上线AB实验系统,能够最大限度避免此类问题,也能提升效率,小步快跑,迅速迭代,将结论运用到业务当中去,使得指标提升。

《AB实验》读后感(五):正确决策的利器

有人说,产品经理就是一个不断做决策的角色。经过几年的工作,我越来越体会到“做决策”的普适性。作为PM,需要做的决策太多了。从页面排布,到UI交互,再到逻辑,再到运营,一个又一个的决策记录了产品演进的路径,正确的决策能够让产品走上云巅,而错误的决策却给产品带来灾难。我们当然希望,自己做的决策是正确的。

那么,这就引出了一个问题,如何提高决策的正确性。如果它是错误的决策,我们能否早日获知并提前规避,从而避免产品走向歧路?在很长一段时间内,我们都缺乏一个有效的手段,来评估决策的优劣。通常而言,我们会经由辩论、演绎等方式,使用逻辑思维来论述此决策的正确性。辩论这种方式,说服了同事和leader,能说服用户吗?我们的逻辑思维,真的做到天衣无缝吗?产品的实际运营效果,真的会如我们所愿吗?

现实往往会给我们以重击,错误的决策总会出现,墨菲定律总是不期而遇。基于此,AB实验出现了。AB实验的概念来源于医学领域的双盲实验。在AB实验中,我们可以做多个决策,并评估决策带来的效果。亲自实验,把决策权交给用户,让决策更加科学有效。

本书《AB实验:科学归因与增长的利器》是AB实验的完美教科书,填补了国内系统描述AB实验这一跨学科领域的空白。本书分成六大部分,分别介绍了AB实验的概述、原理、评估、工具、实践和拓展。如果你能够通读并理解本书,相信你的水平将超过大部分AB实验的实践者。

在第二部分,也就是原理这一节,本书介绍了AB实验背后的理论知识。抽样的背后是统计学,在抽样阶段,需要保证抽样合理随机化,需要满足SUTVA条件,需要保证足够的样本量,需要规避SRM问题。在分流阶段,需要明确以什么样的粒度进行分流,是以用户分流,还是以元素或其他方式分流。

在第四部分,也就是工具这一节,作者手把手教读者搭建一个AB实验平台。介绍了AB实验平台的架构、基本功能模块。并针对各种场景,介绍了功能模块的引入背景。同时,还提出了建设AB实验平台所需的理念。从理论和现实两手出发,为用户提供方向。

在第五部分,也就是实践这一节,作者基于自己丰富的工作经验,分享了大量在使用中才能获得的宝贵经验。如在实验中,我们往往会遇到流量不足的问题,作者对此场景提供了几个解决方案。具体有哪些,读者可以自己来发现。

总之,AB实验是正确决策的利器。这本书是使用这一利器的司南。由此神兵加持,相信我们的产品之路,将会一往无前,走向坦途。

本文由作者上传并发布(或网友转载),绿林网仅提供信息发布平台。文章仅代表作者个人观点,未经作者许可,不可转载。
点击查看全文
相关推荐
热门推荐