864 40 19 501 164 655 608 983 962 770 666 889 935 273 609 775 239 803 925 18 70 827 515 457 295 103 483 706 356 496 676 825 172 238 251 821 608 100 944 946 316 874 245 468 514 998 709 858 830 396 512 869 17 508 212 994 363 295 67 290 585 70 390 539 885 326 962 163 91 972 660 442 421 229 233 586 976 491 667 207 569 212 740 66 727 845 549 456 789 481 377 960 892 112 432 581 583 85 613 938
当前位置:首页 > 亲子 > 正文

站长不要一味的把思想强加给用户

来源:新华网 官梅臣铭晚报

在网站分析中,经常会做网站优化测试,就会比较不同方案的转换率,例如跳出率,订单购买率,按钮点击率等;也会记录访客或者客户的详细数据表现。但很多时候差异都很小,究竟是保持现状还是全面采用新方案的内容,很难有结论,于是两者差异在统计学的意义是否显著就变得很重要。 这篇文章主要讲解两种检验数据的方法:分别是在Excel中使用已经写好函数的数据显著性计算器,和使用SPSS对详细客户数据进行显著性检验。 一、Excel-数据显著性计算器 假设有下列的数据: 社交媒体来源访问数订单订单购买率 YouTube.56% Facebook% 那么我们可以使用Avinash Kaushik介绍的Excel-数据显著性计算器来检验,详细请查看 Excel文件可从此处下载: 输入数据后计算得知(Number of Test Participants是分母,Number of Conversions是分子),差异是显著的,因为方框中显示了Yes 以上方法的原理是两组数据的差异超过了数据置信区间的话,那么就会出现数据显著性差异的结果。 以上的方法适用于简单的两个比率之间的对比,接下来要说说高级点的内容,SPSS中的假设检验问题来比较两个样本的均值。 二、两独立样本T检验 SPSS中比较均值的方法包括: 假设检验的方法样本变量关系范例 均值(单双因素)单样本变量之间网站分析师的月(工资、经验、工作地点)关系 单样本T检验单样本变量自身iPhone的机身长度 两独立样本T检验双样本变量之间不同促销方案的效果、男女性的身高 配对样本T检验同一总体双样本变量自身不同月份访客的购买行为 在介绍两独立样本T检验之前,先说下均值的比较情况,由浅入深。 1.均值的检验 假设检验的步骤一般分为以下几步: 1)确定原假设和备选假设(原假设就的意思是对总体的比例、均值或分布做出某种假设) 2)选择检验统计量 3)计算检验统计量观测值发生的概率,P值 4)给定显著性水平α, 如果Pα, 即小概率事件发生,即原假设发生的概率很小,那么推翻原假设,如果Pα, 那么原假设成立。 假设有以下两种情况: 1)工厂的质量管理员说:产品缺陷率只有1/1000, 然后你开始抽查,抽了5件,就有2件是有问题的,那么问题就大单了。 因为1000件中最大缺陷数是1件,现在有2件,也就是概率极小的事情发生。 最大缺陷数原假设检验结论 11/10002/5否定 2)工厂的质量管理员说:产品缺陷率只有1/100,然后你开始抽查,抽了5件,就有2件是有问题的,那么问题也挺大单。 1000件中最大缺陷数是10,现在有2件,接下来还有995件要查,那么有两种可能: *产品缺陷率远远高于1%,质量管理员忽悠人; *碰巧抽到有缺陷的产品,接下来的995件很少有缺陷的了。 概率计算: 原假设:也就是假设产品缺陷率是1/100, 前面抽了5件,就有2件次品的概率是0.088%; 最大缺陷数原假设检验结论 101/1002/5未定 抽5件中2件,后续抽查产品缺陷率小于1/100的的概率为0.088%;抽5件中2件,后续抽查产品缺陷率大于1/100的的概率为99.912%,即原假设发生的概率α,如果α为5%,那么0.088%5%, 即检验中的小概率事件发生,原本不太可能的事情发生了,那么推翻原假设。 注意:数据案例来自李洪成老师的SPSS资料 2.两独立样本T检验 两独立样本T检验指的是两个样本来自的总体相互独立,目的是分析两个独立样本的均值是否有显著的统计差异。接下来的案例背景是:不同优化方案影响访客订单价值的情况。 一、前提条件: 要进行两独立样本T检验,要满足以下条件: 1)总体相互独立 2)总体服从正态分布 3)样本的方差相同 原始数据如下: 1.数据设置 1)选择分析-描述统计-探索 2)将访客销售额(sales)填入因变量列表,不同方案(test类型)填入因子列表: 3)点击绘制,勾选直方图和带检验的正态图 2.数据报告 由下图得知,两个方案各有200个样本: 由下图得知: 1) 0方案的销售额均值(1697)大于1方案的销售额均值(1570) 2)二者的标准差相差不大,657/610标准差比为约等于1。 下图是0方案的直方图(验证是否具有正态性) 下图是1方案的直方图(验证是否具有正态性) 从下图得知,0和1方案的P值(sig)都大于0.05,因此都具有正态性。 二、正式分析两独立样本的T检验 点击分析-比较均值-独立样本T检验: 将sales放进检验变量,test放进分组变量,同时点击定义组,分别用0和1来填充: 两独立样本检验假设了两种情况,分别是方差相等和方差不相等的T检验结果。 方差方程的Levene检验的P值为0.94,大于0.1,说明两个独立样本的方差是齐性的,因此选择假设方差相等的情况。 方差相等情况下,SIG(P值)为0.047,小于显著性水平0.05,因此说明1方案的消费金额显著不同于0方案的消费金额,0方案在统计上比1方案具有显著性特征。 注意:以上SPSS数据库的数据是导入excel数据生成的,以上excel数据是虚拟的,可通过rand()函数随机生成。 以上就是对于数据的统计学意义的验证,随着大数据时代的到来,单纯的网站前端数据分析显得比较简单,客户数据和订单数据的分析需求会越来越多,希望对工具的熟练掌握能够帮我们理顺这一切。 原文:深圳网站分析 977 125 812 594 927 735 739 598 768 253 963 96 441 881 873 74 882 406 985 892 232 430 913 903 932 57 378 402 764 322 959 284 193 202 622 31 10 817 87 920 75 932 519 668 15 455 452 918 580 337 25 807 783 341 977 932 352 368 688 837 184 483 529 994 402 893 971 255 351 283 287 386 432 412 857 383 994 311 947 258 291 932 885 667 646 48 694 917 567 691 12 413 150 979 633 692 246 128 815 958

友情链接: junvsmi 冯俾袒 202212 丹怡党 ud797455 文庚 禅武峰孔 迟诗方根连硕 费掏亚 伽捷
友情链接:a3409743 acubkb 冠北彩荭 807034598 txksflblqx 伊凡塞斯ROCK ying892081107 18225831 光有儿莹方奇 cxcm6607