A/B-тесты позволяют сравнить две версии digital-продукта и определить, какая из них более привлекательна для пользователя и приносит компании больше переходов, заявок или продаж. Для этого пользователей разделяют на группы и показывают им разные интерфейсы
Например, с помощью A/B-тестов можно выяснить, что зелёную кнопку «Купить» нажимают чаще, чем красную. А если разместить логотип компании рядом с кнопкой «Зарегистрироваться», количество регистраций может снизиться
Кому подойдёт этот курс
-
Продуктовым и веб-аналитикам
-
Математикам и исследователям
Чему вы научитесь
-
Формировать гипотезы для исследований
-
Определять метрики, на основе которых можно судить об эффективности продукта
-
Создавать собственные инструменты для проведения экспериментов, используя Python
-
Выбирать группы пользователей и продолжительность теста
-
Выбирать лучший вариант продукта на основе результатов A/B-теста
-
Контролировать процесс A/B-тестирования
-
Самостоятельно проводить А/В-тестирование
-
Оценивать статистическую значимость проведённого эксперимента
-
Анализировать результаты тестирования с помощью Python
Смотреть все курсы по исследованию и аналитике.
-
Введение в A/B-тестирование
-
Элементы статистики для построения гипотез
-
Статистические инструменты
-
Вариации А/В-тестирования и его приложения
-
Организация массового A/B-тестирования
-
Ускорение и оптимизация
-
Бонус-модуль. Продвинутые подходы к A/B-тестированию
-
Итоговая работа. Проведение A/B-тестирования
Александр Миленькин
Разрабатывает и развивает продукты в сфере медицины. Ведёт курсы по анализу данных на Python в МФТИ и машинному обучению в Otus. Победитель хакатонов по DS/ML
Артур Сапрыкин
Опыт в аналитике — 5 лет. Работал Data Scientist в ПАО «Мегафон». Ведёт курсы в Skillbox, Нетологии, Яндекс.Практикуме и других образовательных проектах. Спикер конференции Big Data Days 2021