A/B Testi

Veri Bilimini Anlamak

Lis Sulmont

Curriculum Manager, DataCamp

Veri bilimi iş akışı

Deneyler kararları yönlendirir ve çıkarımlar sağlar

Soru oluşturun: Blog başlığı A mı, B mi daha çok tık alır?

Hipotez kurun: Blog başlığı A ve B aynı sayıda tık alır.

Veri toplayın:

A/B test başlıkları

Hipotezi istatistiksel testle sınayın: Başlıkların tıklama oranı farkı anlamlı mı?

Sonuçları yorumlayın:

A/B test başlıkları

Diğer adıyla Şampiyon/Meydan Okuyan Testi

A/B testi

Örneklem büyüklüğü: kullanılan veri noktası sayısı
İstatistiksel anlamlılık: sonucun tesadüf olma olasılığı düşüktür
- İstatistiksel model varsayımları altında
- Bunu hesaplamak için istatistiksel testler kullanın:
  - ör. t-testi, Z-testi, ANOVA, Ki-kare testi

bağlantıya tıklama

örneklem-büyüklüğü-yüzde

Değişiklikleri ölçmek için temel metrik
- Genelde kullanıcılar blog bağlantılarımıza ne sıklıkla tıklar?
Oran %50’den çok farklıysa, büyük örneklem gerekir
- Tıklama oranı genelde küçüktür (<%3)

örneklem-duyarlılığı

Daha büyük örneklem, daha küçük değişimleri saptamamıza olanak verir

deneyi-çalıştır

anlamlılık

Veri Bilimini Anlamak