Ποια μέθοδο χρησιμοποιεί η ομάδα των πειραμάτων, για να υπολογίζει τα διαστήματα εμπιστοσύνης και τη στατιστική σημαντικότητα;
Η μέθοδος αναδειγματοληψίας jackknife εφαρμόζεται σε ομαδοποιημένα δεδομένα για τον υπολογισμό της διακύμανσης δείγματος της αλλαγής ποσοστού μιας μέτρησης. Στη συνέχεια, διεξάγεται δοκιμή σημασίας δύο μεταβλητών, χρησιμοποιώντας το διάστημα εμπιστοσύνης 95%.
Γιατί να ομαδοποιηθούν τα δεδομένα;
Η ομαδοποίηση των δεδομένων μειώνει τις επιδράσεις δευτερευόντων σφαλμάτων παρατήρησης. Αν θέλετε να μάθετε περισσότερα σχετικά με το γιατί είναι χρήσιμη η ομαδοποίηση δεδομένων, μπορείτε να ξεκινήσετε από εδώ.
Ακόμη και αν τα δεδομένα δεν κατανέμονται κανονικά, τα ομαδοποιημένα δεδομένα θα κατανεμηθούν χονδρικά κανονικά με βάση το Κεντρικό Οριακό Θεώρημα, αρκεί να υπάρχουν αρκετές παρατηρήσεις ανά ομαδοποίηση. Για να αιτιολογηθούν οι περιπτώσεις όπου δεν υπάρχουν αρκετές παρατηρήσεις ανά ομαδοποίηση, χρησιμοποιείται η μέθοδος jackknife για τον υπολογισμό του διαστήματος εμπιστοσύνης.
Γιατί χρησιμοποιείται η αναδειγματοληψία jackknife;
Η αναδειγματοληψία jackkinife είναι το πρότυπο που χρησιμοποιεί η Google, επειδή αποτελεί ευέλικτη μέθοδο που παρέχει υψηλό επίπεδο κάλυψης. Είναι επίσης αποτελεσματική όσον αφορά τον εντοπισμό ακραίων τιμών και τη μείωση πόλωσης της εκτίμησης δείγματος. Επιπλέον, είναι ιδιαίτερα χρήσιμη σε περιπτώσεις όπου δεν υπάρχουν αρκετά δεδομένα για μια ακριβή εκτίμηση μέσω της χρήσης του κεντρικού οριακού θεωρήματος, επομένως χρησιμοποιείται στα ομαδοποιημένα δεδομένα για την περαιτέρω αύξηση της ακρίβειας των διαστημάτων εμπιστοσύνης.
Μπορείτε να βρείτε μια γενική επισκόπηση της αναδειγματοληψίας jackknife εδώ. Αν θέλετε να μάθετε περισσότερα σχετικά με τη χρησιμότητά της, αυτό το έγγραφο παρέχει περισσότερες λεπτομέρειες.
Μπορούν οι εξωτερικοί διαφημιζόμενοι να συγκεντρώσουν δεδομένα απόδοσης από διάφορα πειράματα μετά το γεγονός και να υπολογίσουν εκ νέου τα στατιστικά στοιχεία σε συγκεντρωτικό επίπεδο;
Όχι, οι διαφημιζόμενοι δεν έχουν πρόσβαση σε δεδομένα επιπέδου χρήστη για την επαναδημιουργία ομαδοποιήσεων και την εκτέλεση του αλγορίθμου jackknife. Προς το παρόν, δεν υπάρχουν εσωτερικά εργαλεία για να το κάνουν αυτό εκ μέρους των πελατών μας.
Επηρεάζει η στόχευση τον τρόπο με τον οποίο το τμήμα μεριδίου δημοπρασίας εφαρμόζεται στο πείραμα και στην αρχική καμπάνια;
Η στόχευση δεν επηρεάζει το τμήμα. Το τμήμα εφαρμόζεται στις κατάλληλες δημοπρασίες πριν την εφαρμογή της στόχευσης. Για παράδειγμα, ένα τμήμα 50:50 σημαίνει ότι το πείραμα και η αρχική καμπάνια καταχωρίζονται στον ίδιο αριθμό δημοπρασιών.
Ποιες είναι οι προϋποθέσεις για τη διασφάλιση μιας πραγματικής Δοκιμής Α/Α;
Κατά τη Δοκιμή Α/Α, το πείραμα και η αρχική καμπάνια είναι ίδια καθ' όλη τη διάρκεια της δοκιμής (δεν υπάρχει διαφορά στις διαφημίσεις καμπάνιας/ομάδες διαφημίσεων/ρυθμίσεις κ.λπ., ούτε στις εγκρίσεις διαφημίσεων). Τυχόν αλλαγές που πραγματοποιούνται στη διάρκεια της Δοκιμής Α/Α θα πρέπει να γίνουν στην πειραματική ομάδα και στην αρχική ομάδα ταυτόχρονα.
Ποια είναι τα αναμενόμενα αποτελέσματα μιας Δοκιμής Α/Α;
Δεν πρέπει να υπάρχουν στατιστικά σημαντικές διαφορές σε κλικ, εμφανίσεις, CTR ή CPC.
Ποια είναι η διαφορά ανάμεσα στο τμήμα βάσει αναζητήσεων και στο τμήμα βάσει cookie;
Πρόκειται για δύο διαφορετικές επιλογές, ώστε να καθοριστεί ποια αντιμετώπιση θα λάβει ο χρήστης. Με τα τμήματα πειραματισμού βάσει αναζητήσεων, οι χρήστες τοποθετούνται με τυχαίο τρόπο είτε στο πείραμα είτε στην αρχική καμπάνια, κάθε φορά που πραγματοποιείται μια αναζήτηση. Είναι πιθανό ο ίδιος χρήστης να μπορεί να δει τόσο το πείραμα όσο και την αρχική καμπάνια, αν πραγματοποιήσει αναζήτηση πολλές φορές. Με τα τμήματα πειραματισμού βάσει cookie, οι χρήστες ενδέχεται να βλέπουν μόνο μία έκδοση της καμπάνιας, ανεξάρτητα από το πόσες φορές πραγματοποιούν αναζήτηση. Αυτό διασφαλίζει ότι τα αποτελέσματά σας δεν θα επηρεάζονται από άλλους παράγοντες.
Πόσες ομαδοποιήσεις χρησιμοποιούνται;
Χρησιμοποιούνται είκοσι ομαδοποιήσεις στην ομάδα ελέγχου και είκοσι ομαδοποιήσεις στην πειραματική ομάδα. Αν υπάρχουν υπερβολικά πολλές ομαδοποιήσεις, τότε μπορεί να χρειαστεί πολύς χρόνος για τη λήψη στατιστικά σημαντικών αποτελεσμάτων. Αν υπάρχουν πάρα πολύ λίγες ομαδοποιήσεις, τότε οι υπολογισμοί διαστήματος εμπιστοσύνης ενδέχεται να μην είναι ακριβείς. Με αυτόν τον τρόπο, επιτυγχάνεται μια καλή ισορροπία ανάμεσα στις πρακτικές απαιτήσεις και τη στατιστική ισχύ.
