书:pan.baidu.com/s/1BfkJHHKsp9ehsUcr55ZzXA?pwd=0ffp
- 设计师的关注点：
- 设计师最关注的可能就是提供良好的用户体验。良好的业务指标应时时把用户考虑在内。
- 实验与用户的关系：
- 通过高效的实验方法收集用户数据，将在用户行为多样性、相似性、差异性及设计对用户影响等方面获得大量洞察。实际上，实验是一种与用户对话的方法，能了解用户的想法。
- A/B测试的本质：
- A/B测试本质上是一种线上实验，设置变量，并与对照组衡量比对。
- A/B测试中的用户群体：
- 研究合适的用户群体非常重要，并将影响研究结果。用户群体多种多样，可基于时间（如同一时间注册产品或服务的用户）或由某些因素（如毕业于2015年的学生）造成。
- 用户群体的细分：
- 可以基于人口统计因素（如性别、年龄、国籍）或行为特征（如新用户、高级用户）将用户群体细分成不同群组。
- 不同用户群体的需求：
- 不同用户群体的需求可能不同，他们通过不同方式使用产品，或多或少为产品买单。例如，在线课程学习网站Coursera在打造产品之初考虑了几种不同的用户群体：终身学习者、有经验的专业人士、缺乏经验的专业人士。
- A/B测试中的样本选择：
- A/B测试的样本将决定哪些洞察可以进行大范围推广，所以应推广那些从有代表性的用户样本中得到的洞察。
- A/B测试中的随机分配：
- 样本量很大时，即使实验分配有细小差异，也会干扰对照条件，导致混乱不可靠的实验结果。因此，需要随机分配使得各组情况基本保持一致。
- A/B测试中的测试单元：
- 在A/B测试中，测试单元指包含随机分配样本的各个体验组，基于不同的方法产生变化。
- A/B测试的应用场景：
- A/B测试可以广泛应用于产品的方方面面，包括产品命名、交互设计、推荐算法等。
- 数据驱动设计的价值：
- 本书旨在帮助读者了解数据引导设计的基本原则，以及数据与设计流程整合的价值，从而避免常见的陷阱与误区。
- A/B测试的目标：
- A/B测试的目标是提升用户体验。虽然用户画像和使用时长等可能是项目中的目标，但它们并不是最终要达成的目标，而是实现最终目标的手段。最终目标是提升用户体验，而A/B测试是实现这一目标的有效工具之一。
请注意，上述原文内容是从书中提取的概括性描述，并非完整的原文句子。如需更详细的原文内容，请直接查阅《数据驱动设计：A/B测试提升用户体验》一书。