实验数据推断因果（一文解决abtest中溢出效应、网络效应、评估结果不显著问题）

1、为什么做ab

   能看到这篇doc的同学 大概率其实对ab肯定有一定认知的，聊到为什么做大家多少也能聊出来诸如一下点：

  小流量：

• 对于动辄日活百万、千万、甚至上亿的产品来说，小流量实验能减少试错成本；

  AB随机分流

• 随机分流能很好排除confunders 的影响

  统计推断科学性

• 既然是以小流量实验的结果作出对最终结果的推断，即在统计学里面是用抽样结果做对总体的推断，即必然需要考虑抽样误差，置信水平等因素（核心原理part会着重讲）

2、怎么做ab：核心原理与方法

一文通关ABtest从原理到实操

3、怎么优化ab实验

【1】评估结果不显著怎么办？

这个问题，绝对，绝对，绝对是避不开的！！

即使数据分析大部分时候，是要保持客观性、独立性的存在，没有PM会想自己做了很久，花了很多运营和研发的人力，但得到的是一个对业务没有正向影响的评估结果！！

因此，实验前、实验后我们都要对可能产生的不显著结果做预判准备！

还是回到影响统计推断T统计量的几个因素来看，到底是什么影响了

首先直观看公式，t统计量的值受到3个值的影响：样本量n、样本方差、两组样本均值的