分類之後
AB測試：
將某個產品/方案/設計的兩個不同版本
隨機展示給類似的用戶羣體，以各組之間的效果差異來評估選擇更好的那個
應用場景：
測試兩種促銷短信文案對商品銷量的影響
測試淘寶，京東以及今日頭條等APP,
哪個版本的新聞標題或者廣告會更容易被點擊
技術支持：
系統後臺已經有了豐富的歷史銷售數據
通過大數據獲取到用戶的人口屬性信息(挑選測試客羣變得非常容易)
自動化營銷系統輔助AB版本的快速配置(對客戶的短信或者推送提示只需運營人員簡單點擊
後臺BI滾動收集和總結數據(報告自動發送給業務和分析人員以評估效果)
案例：
以某個快消企業提供的優惠券測試效果爲例
目的:該公司爲了促進微信端優惠券的使用
動作:將60萬用戶隨機分成三組，
統計發放的三個不同的優惠券的使用率，
爲以後定期的優惠券發放進行測試
優惠券200-20、100-10、50-5
數據對比:表面上200-20和100-10的優惠券好於50- 5的優惠券（這只是表面啊，要慎重分析）
慎重的分析如果要從前面兩個選一個去推廣給全體客戶，
到底該選哪個版本?
我們有時候還可以拿到更底層的數據，也是一樣的去分析
組間差異分析：
- 使用假設檢驗， 檢驗兩個數據之間是否有明顯的均值差異
- 計算Z評分， 彙總各個組的均值及歷史數據中所推斷的各組標準差數據
1.用假設驗證的方式
先做個假設: 200-20和100-10的優惠券在用戶的接受度上沒有差別
分析的目標
可能包括廣告，優惠券，微信推送，網頁版本等任何可以調整測試的目標
干擾因素很多
本欄目總結：
四個分析方法：
