Optimize 使用贝叶斯方法意味着什么？
Posted: Thu Dec 05, 2024 4:23 am
就统计解释而言，这意味着如果您花更多时间收集数据，解释将更接近最佳（数据越多，结论越好）。
就实验而言，这意味着 Optimize 将不断估计转化概率和转化率，以便您可以独立于最终结论做出决策。
随着时间的推移，您将收到该工具的建议，尽管尚未使用重 阿尔及利亚材料 要数据样本完成实验，但它甚至可能会建议结束实验，以便您可以重新考虑要测试的假设或变量。
2. 如何解读优化结果
Optimize 的结果仪表板比看起来更简单、更容易阅读。
让我们回顾一下 Firecase （我的未付文件司法催收公司）的一个示例，我们正在测试主主页按钮的号召性用语 (CTA) 中的一小段文本变体 。
帖子图片
右边（A）是原始变体，左边（B）是要实验的变体
背景：在对 不同的国内和国际网站进行基准测试后 ，我们认为 Firecase的最佳 CTA 是“Start Collections”。
在收到一定量的流量、潜在客户和与潜在客户的联系后，我们意识到在 通话时 正在重复一种模式：“我需要 引用 一个集合。”下一步？实验。
如何分析“优化”面板中的结果
该面板由 3 个部分组成，首先我们看到 实验的 变体 （在本例中为原始 v/s CTA 报价），在中间部分我们看到直接从 Analytics 查阅数据的观察数据 ，在右侧我们看到查看 分析优化 结果以做出决策。
帖子图片
在此示例中，样本中的数据量并不重要，实验必须继续收集数据以清楚地识别主导变量。
对于本例，我们将解释 Optimize 分析的变量：
帖子图片
一、成为最佳的概率：
它只是 显示某个变体相对于其他变量对于定义的目标具有最佳结果的概率 。
二.基于模式的转化率：
它向我们展示了优化统计模型对特定变量转化率的估计。为了以更友好的方式绘制它，它给了我们一个范围：
帖子图片
显示“CTA 报价”变体的范围
在此示例中，对于我们的变量“CTA Quote”（当前估计转化率为 7.84%），它告诉我们：
中 95%： 转化率有 95% 的可能性在 3.2% 到 18.4% 之间。
中间 50%： 转化率有 50% 的可能性在 6.4% 到 11.7% 之间。
中位数： 是 Optimize 统计模型提供的“CTA Quote”变体转化率的长期估计。
三．基于模式的改进：
帖子图片
本专栏定量地为我们提供了长期预期的上限和下限。
在这种情况下，Optimize 告诉我们，相对而言，在最好的情况下，我们的变体的转化率将比基线高 423%。在最坏的情况下，转化率将比基本转化率差-65%。
如果我们可以确定一件事，那就是这个实验需要更多的时间和更多的流量才能有更好的估计。这正是可以帮助我们识别面板的这一部分的内容。
3. 在 Optimize 中创建实验的建议
我不会详细介绍如何实施 a/b 测试，因为互联网上有很多指南或教程对其进行了很好的解释（请参阅 Google 支持的逐步说明）。
然而，我可以根据我的经验告诉你如何面对实验并能够利用它。
生成寻求盈利能力的假设：
实验的目的是提高产品或业务的盈利能力，我建议要验证的假设应针对与您的收入或成本模型相关的指标。
将假设与业务目标而非虚荣指标联系起来：
我建议设定一个专注于转化而不是参与度指标的目标（您可以将它们设置为次要目标，但目标不应该是降低跳出率，如果这并不意味着盈利能力的提高）。
帖子图片
尝试一些可以引发实际改进的假设：
一个常见的错误是验证短期内无法开发或超出您的开发能力的接口。有时，人们会被使用优化构建器修改界面的便利性所吸引。
使用规则来测试不同的样本：
每个流量渠道都有不同的行为，Optimize 允许您按流量来源（以及更多）对实验进行分段，我建议从针对特定受众分段的实验开始，以尝试“便宜”。
例如，您可以将实验链接到 Google Ads 广告系列中的用户（您甚至可以测试特定关键字）：
帖子图片
结论
数字实验很容易，在开发或投资方面几乎不需要付出什么努力。 Google Optimize 是一个免费工具 ，允许我们访问贝叶斯等统计模型，而我们自己无法构建该模型。
我邀请您尝试该工具，进行实验并提高您所在地区/业务/组织/创业/公司等的盈利能力。
实验是利用实时信息、大规模、快速且廉价地创建以用户为中心的价值主张的最有效方法。
作者：Pedro Viterbo 商业工程师，拥有创新与创业硕士学位。目前是 Firecase.cl 的联合创始人和智利 Rompe head Digital 的产品经理。
就实验而言，这意味着 Optimize 将不断估计转化概率和转化率，以便您可以独立于最终结论做出决策。
随着时间的推移，您将收到该工具的建议，尽管尚未使用重 阿尔及利亚材料 要数据样本完成实验，但它甚至可能会建议结束实验，以便您可以重新考虑要测试的假设或变量。
2. 如何解读优化结果
Optimize 的结果仪表板比看起来更简单、更容易阅读。
让我们回顾一下 Firecase （我的未付文件司法催收公司）的一个示例，我们正在测试主主页按钮的号召性用语 (CTA) 中的一小段文本变体 。
帖子图片
右边（A）是原始变体，左边（B）是要实验的变体
背景：在对 不同的国内和国际网站进行基准测试后 ，我们认为 Firecase的最佳 CTA 是“Start Collections”。
在收到一定量的流量、潜在客户和与潜在客户的联系后，我们意识到在 通话时 正在重复一种模式：“我需要 引用 一个集合。”下一步？实验。
如何分析“优化”面板中的结果
该面板由 3 个部分组成，首先我们看到 实验的 变体 （在本例中为原始 v/s CTA 报价），在中间部分我们看到直接从 Analytics 查阅数据的观察数据 ，在右侧我们看到查看 分析优化 结果以做出决策。
帖子图片
在此示例中，样本中的数据量并不重要，实验必须继续收集数据以清楚地识别主导变量。
对于本例，我们将解释 Optimize 分析的变量：
帖子图片
一、成为最佳的概率：
它只是 显示某个变体相对于其他变量对于定义的目标具有最佳结果的概率 。
二.基于模式的转化率：
它向我们展示了优化统计模型对特定变量转化率的估计。为了以更友好的方式绘制它，它给了我们一个范围：
帖子图片
显示“CTA 报价”变体的范围
在此示例中，对于我们的变量“CTA Quote”（当前估计转化率为 7.84%），它告诉我们：
中 95%： 转化率有 95% 的可能性在 3.2% 到 18.4% 之间。
中间 50%： 转化率有 50% 的可能性在 6.4% 到 11.7% 之间。
中位数： 是 Optimize 统计模型提供的“CTA Quote”变体转化率的长期估计。
三．基于模式的改进：
帖子图片
本专栏定量地为我们提供了长期预期的上限和下限。
在这种情况下，Optimize 告诉我们，相对而言，在最好的情况下，我们的变体的转化率将比基线高 423%。在最坏的情况下，转化率将比基本转化率差-65%。
如果我们可以确定一件事，那就是这个实验需要更多的时间和更多的流量才能有更好的估计。这正是可以帮助我们识别面板的这一部分的内容。
3. 在 Optimize 中创建实验的建议
我不会详细介绍如何实施 a/b 测试，因为互联网上有很多指南或教程对其进行了很好的解释（请参阅 Google 支持的逐步说明）。
然而，我可以根据我的经验告诉你如何面对实验并能够利用它。
生成寻求盈利能力的假设：
实验的目的是提高产品或业务的盈利能力，我建议要验证的假设应针对与您的收入或成本模型相关的指标。
将假设与业务目标而非虚荣指标联系起来：
我建议设定一个专注于转化而不是参与度指标的目标（您可以将它们设置为次要目标，但目标不应该是降低跳出率，如果这并不意味着盈利能力的提高）。
帖子图片
尝试一些可以引发实际改进的假设：
一个常见的错误是验证短期内无法开发或超出您的开发能力的接口。有时，人们会被使用优化构建器修改界面的便利性所吸引。
使用规则来测试不同的样本：
每个流量渠道都有不同的行为，Optimize 允许您按流量来源（以及更多）对实验进行分段，我建议从针对特定受众分段的实验开始，以尝试“便宜”。
例如，您可以将实验链接到 Google Ads 广告系列中的用户（您甚至可以测试特定关键字）：
帖子图片
结论
数字实验很容易，在开发或投资方面几乎不需要付出什么努力。 Google Optimize 是一个免费工具 ，允许我们访问贝叶斯等统计模型，而我们自己无法构建该模型。
我邀请您尝试该工具，进行实验并提高您所在地区/业务/组织/创业/公司等的盈利能力。
实验是利用实时信息、大规模、快速且廉价地创建以用户为中心的价值主张的最有效方法。
作者：Pedro Viterbo 商业工程师，拥有创新与创业硕士学位。目前是 Firecase.cl 的联合创始人和智利 Rompe head Digital 的产品经理。