因为在给定的时间段内只能执行少数测

通过采用这种方法，您运行的每个测试都会更加注重细节，因为与贝叶斯方法相比，您必须为同一组访问者运行更长的时间。 因此，每个测试都需要极其谨慎试。与贝叶斯统计不同，它不太直观并且通常难以理解。 另一方面，贝叶斯概率统计是一种基于概率解释的理论，概率表示为对事件的置信程度。简而言之，您对事件了解得越多，您就能更好更快地预测结果。根据贝叶斯统计，概率可以随着新信息的收集而改变，而不是一个固定值。 这种信念可能是背景信息，例如先前测试的结果，或与事件相关的其他信息。与频率论方法不同，贝叶斯方法提供可操作结果的速度比旧的频率论方法快了近 50%，同时注重统计显着性。 在任何时候，只要您有足够的数据，贝叶斯方法都会告诉您变体 A 的转化率低于变体 B 或对照的概率。 简而言之，贝叶斯方法与我们日常生活中处理事物的方式类似。


例如，您把手机忘在家中了。作为频率专家，您只需使用 GPS 跟踪器进行跟踪并检查跟踪器指向的区域即可。 作为贝叶斯主义者，你不仅会使用 GPS 追踪器，还会检查家里所有你之前发现手机放错 WhatsApp 号码数据 地方的地方。 在第一种情况下，事件被视为固定值，而在第二种情况下，所有过去和未来的信息都用于查找手机。 你可能有点困惑。那么，通过查看下表来更好地了解这两种方法的不同点如何？ 频率论方法 贝叶斯方法 一 频率统计遵循概率的“长期频率概率”定义。 贝叶斯统计遵循“概率作为置信度”和“逻辑概率”的概念。 2 在这种方法中，您仅使用当前实验中的数据。频率论者的解决方案是进行测试并得出结论。 在这种方法中，您可以使用以前经验中的先验知识，并尝试将这些知识合并到现有数据中。贝叶斯解决方案是使用现有数据结合现有数据得出结论。 3 它给出了 A 击败 B 的样本的估计平均值（和标准差），但完全忽略了 B 击败 A 的情况。 它考虑了 A 击败 B 的可能性，并计算了您可以预期的改进范围。




它需要测试运行一定的时间才能从中获得准确的数据，但它无法计算出 A 和 B 实际有多近或多远。它不能告诉你 A 击败 B 的概率。 它使您可以更好地控制测试。现在您可以更好地计划，有更准确的结束测试的理由，并更仔细地了解 A 和 B 的距离有多近或多远。 一旦您根据网站要求和业务目标锁定了任何这些类型和方法，请停止测试并等待规定的时间以获得具有统计意义的结果。执行此操作时请记住一件事。 无论您选择哪种方法，您的测试方法和统计准确性将决定最终结果。 例如，这样的条件之一是测试活动的时间安排。必须精确确定测试的时间和持续时间。您应该通过考虑平均每日和每月访问者、估计的当前转化率、您期望的转化率的最小改进、变体数量（包括控制）、测试中包含的访问者百分比等来计算测试持续时间。 您可以使用贝叶斯计算器来计算运行 A/B 测试以获得具有统计意义的结果所需的时间。 第 5 步：分析结果并分配获胜变体 虽然这是寻找活动获胜者的最后一步，但分析结果极其重要。