面试时你可能被问到这样的问题： 1️⃣介绍一个你喜欢的APP，你觉得这个APP最关注的指标是啥？ 2️⃣如何监控抖音的生态？这其实是在考查你是否知道如何搭建指标体系。因此这篇文章主要跟大家分享指标体系搭建的相关干货。首先需要知道指标体系的定义以及标准，进而才能理解如何去进行搭建，因此我在这里先介绍指标体系的定义、为什么要搭建以及何为有效的指标体系。1.什么是指标体系？指标体系是指若干相互独立又相互联系的统计指标所组成的有机整体，将统计指标系统性的组织起来，由指标和体系两部分组成。例如用户数、人均次数、时长等是指标，而体系是由不同的维度组成，维度是指人们观察、思考与表述某事物的“思维...

在上一篇文章中，我主要介绍了AB实验中经常被问到的一些问题，今天我主要针对其中两个比较难也问得比较多的问题进行回答。1.为什么实验期间有效果，全量上线后没有效果（或者反向）？针对这个问题，可能存在三方面的原因：一是实验底层逻辑其实是假设检验，假设检验的基本原理基于小概率事件进行反证法，所以实验分身就有犯错的概率，不可避免，这里主要是犯了假设检验的第一类错误。（第一类错误：去真，原假设为真，拒绝原假设。A和和B组本身无差异，但实验结论是有差异。）二是实验分析或者解读的方式有误，大概会有常犯的三类错误，具体参考下图总结。三是实验设计不合理，实验分组存在不均，所选的样本不能完全解释整体。2.实验结果...

在上一篇文章中，我主要介绍了AB实验是什么、运用场景以及如何设计和评估实验，在这篇文章中，我主要介绍AB实验中经常被问到的一些问题，我大致将这些问题分为两类：1.统计学相关问题重点考察统计学知识第一类错误和第二类错误是什么？两者有关系吗？应该控制第一类错误还是第二类错误？假设检验的基本原理是啥？p值是什么？2.实操的问题重点考察是否对AB实验的实际运用有一定了解说一下AB实验的流程？AB实验底层用到哪些检验方法？各类方法分别适用于哪些场景？如何保证或者检验流量分配是否合理？为什么实验有效果，全量上线后没有效果（或者反向）？实验结果不显著怎么办？实验样本量不足怎么办？实验运行中可以新增实验组吗？...

在数据分析职位的面试中，我们可能会被问到如下一些问题：某个功能是否会提高用户的下单率？如何评估和量化一个活动的影响？面对面试中问到的这些问题，都可以从「通过建立AB实验」这个方向来进行回答，进而就会涉及到如何进行AB实验设计和评估？今天就来跟大家详细讲解下AB实验的一些基础知识，以及如何设计和评估AB实验。什么是AB实验？AB实验的概念是来源于生物医学上的双盲测试；随着互联网的飞速发展，AB实验已经被各个互联网公司运用到实际业务场景中，它的基本逻辑是将两个或多个产品UI或运营策略等相互比较，以确定哪个策略更好。通过实验的方式，可以科学量化策略效果、提升决策效率。 为什么需要做AB实验？低成本验...