如何使用简单的数学来获得更好的洞察力 - 第二部分

 

在本系列的第一部分中，我重点介绍了如何评估广告系列平均KPI值 以及如何识别异常值以获得更好的广告系列数据分析。今天，在第二部分中，我将继续向您展示如何通过一些简单的数学技巧提高您的广告系列的价值 。我们将继续使用设置新广告组的 示例来宣传壁炉组件。

如果您记得上一篇文章，在我们确定我们将重点关注质量和 服务作为此新广告系列的卖点后，我们开发了两种不同形式的广告文案 以反映每个广告系列＆rsquo;不同的价值主张。我已经列出了下面的结果。现在，您认为 是什么？我们是否应该删除广告文案＃2并保留广告文案＃1，因为其平均点击率高出 ？

示例一个:两个广告副本之间的点击率性能比较

第一步:使用标准偏差删除大纲视图

如本系列的第I部分所示，在比较平均值之前，我们需要将 异常值（即超出平均值2个标准差的值）与其余的 值分开。正如您所看到的，广告文案＃1第6天的点击率超出了合理范围，因此我们不会将第0天包括在第6天，同时比较广告文案＃1和广告文案＃2之间的效果。

示例二:使用标准偏差删除异常值

第二步:使用T-Test确认差异

删除异常值后，广告文案＃1 的更新平均值为4％，广告文案＃2为5％。我们可以使用T-Test来确信 声明这两个广告副本的表现有很大不同。 （我在 意识到任何与“测试”相关的条款可能会让人感到恐惧 所以请允许我通过揭示Zui初为测试啤酒质量而开发的T-Test为 来安慰你。如果它是啤酒测试 抚慰你.J）以下是关于 这个简单测试需要知道的事情:

T-Test是一种单向测试，如果结果不支持我们的假设（即两个广告拷贝 表现不同），它并不表示相反的情况（即两个广告拷贝执行 相同）您可以使用它验证来自一组对象的前/后测试的结果您可以使用它来验证来自两组对象的A/B测试的结果。通常，T-测试值＆gt; 0.05表示您的假设不正确（即您的 假设不正确的概率> 5％）执行T检验的简便方法是使用Excel T-Test函数

示例二: Excel T-Test函数

数组1:第一个数据setArray 2:第二个数据集

o尾巴

验证一个数据集的结论比另一个更好地验证一个数据集的结论与另一个数据集的结果不同（即可能更好或更差）

o键入

 用于之前/之后TestFor A/B测试具有相同的标准偏差用于A/B测试具有不同的标准差 其他（即可能更好或更差）

示例三:使用T-Test确认两个广告副本之间的点击率性能差异

为了比较具有不同标准偏差的两个广告副本，我们应该使用2个尾部和3个 用于类型，同时使用Excel＆t的T-Test功能，公式看起来像“=ttest”（广告文案数组＃1 点击率，数组广告文案＃2点击率，2,3）＆rdquo;结果为0.4，这意味着:我们无法自信地 声明这两个广告副本的表现不同，因为我们假设错误的机会是  40％。是因为没有差异，还是需要更多样品？让我们为 分析增加更多功能。

第三步:使用功效分析识别样本量

在统计测试中，功率是测试结果可以帮助我们自信地确认我们的  评估的概率，功耗分析是一个简单的数学计算我们可以用来计算Zui小样本大小 ，这使我们可以自信地决定这两个广告副本表现不同。在进行功耗分析 之前，您需要知道:

＆公牛;必需参数

尾部      单尾:验证一个数据集的结论比另一个尾部执行得更好:要验证一个数据集的结论与otherTest值:的执行方式不同，您希望与之比较的值sample.Sample averageSample sizeSample＆rsquo; s标准偏差保证等级

＆公牛;分析结果

功耗分析的结果在0和1之间.       0: 0％基于给定参数确认评估的可能性       1: 100％可能根据给定确认评估进行T-Test，我们需要从Power Analysis到 的0.8或更高的结果确认我们的评估 参数

许多大学和研究机构在其网站上提供Power Analysis工具，以帮助我们轻松地进行这种分析＆ndash;例如，这是DSS Research的一个很好的例子。对于我们的情况 （尾部: 2，测试值: 4％，样本平均值: 5％，样本标准差: 2％，置信度: 95％）， 将这些参数输入其功率分析工具后，我学到了需要32个好的样本 才能自信地确认我们的评估。结论:让我们暂时收集数据。

在本系列的第III部分中，我们将重新访问这两个广告副本＆rsquo;性能。但在那之前，今天的 外卖是:

1.拥有正确的样品是任何分析的关键步骤。使用经验规则 （也就是标准偏差离开规则）来控制样本的质量，并使用 功效分析来检查其数量。

功率分析检查其数量。

2.不要根据数字的面值得出结论。相反，应用T-Test到 确认您的评估。

3. T-Test结果只能确认故事的一面（即“那些啤酒的味道没有区别＆rdquo;不是 确认＆ldquo;那些啤酒味道相同＆rdquo;”，所以在进行测试之前澄清你的评估。

CategorySEO