英語からAIを使用して翻訳されました
この記事はAI技術を使用して翻訳されたことにご注意ください。正確性を維持するよう努めていますが、一部の詳細は元のテキストを完全に反映していない場合があります。情報に不明な点がある場合は、英語版を参照してください。
時間: 10分。
A/Bテストは、古典的な統計的仮説検定の一例であり、特定の仮説が真である確率を決定するために統計を使用することを指します。問題を定義し、解決策を提案し、結果を予測します。
仮説の設定
帰無仮説 は、治療群と対照群の間に実際の違いがない場合に真であると仮定されるものを指し、観察された違いは単なるノイズであるとします。
対立仮説 は、帰無仮説に対してテストされるものであり、基本的には真であると信じる仮説です。対立仮説は、A/Bテストが真であることを証明することを期待するものです。
仮説を持つことで、特定された問題と特定された解決策を一致させ、望ましい結果を定めています。
- 特定された問題: あなたの製品ページのカート追加率は11%です。以前の調査（例：アンケート、ヒューリスティック評価）を行った結果、特定された問題は、ページに製品レビューがないことです。
- 提案された解決策: 製品ページにレビューを追加することで、社会的証明、信頼、製品への信頼感が高まり、カートにアイテムを追加するユーザーの数が増えます。これは、カート追加のCTAを見て確認できます。
帰無仮説 は次のようになります: レビューを追加することでカート追加率が11%に等しくなる
対立仮説 は次のようになります: レビューを追加することでカート追加率が11%を超える
テスト仮説を設定した後は、仮説が検証可能かどうかを判断するためのテスト統計量を選択する時です。
テスト統計量の選択
これは、仮説を棄却または検証するために使用される方法と値です。 二標本t検定 は、治療群と対照群の間に実際の違いがあるかどうかを判断するための最も一般的な統計的有意性検定です。
基本的には、二標本t検定は、対照群と治療群の2つのサンプルの平均の違いの大きさを、 分散に対して見ます。分散は、データセットの広がりの度合いを示します。
差の重要性は p値、すなわち、治療とコントロールの間に本当に差がない場合に、この程度の差が観察される確率によって表されます。。 p値が低いほど、治療とコントロールの間に実際の差があるという証拠が強くなります。慣例として、p値が '0.05' 未満の差は '統計的に有意' と見なされます。
さらに進む
Contentsquareでの分析の設定と実行方法を学びましょう。