實驗團隊計算信賴區間和統計顯著程度的方法為何？
針對已分區的資料採用摺刀法重取樣，以計算指標百分比變化的樣本變異數；然後使用 95% 信賴區間執行雙尾顯著程度檢定。
為什麼要將資料分區？
資料分區可以減少些微觀察誤差。如要進一步瞭解資料分區的實用之處，建議您優先參考這個網頁。
即使資料沒有正常分佈，如果每個區間有足夠的觀測值，則基於中央極限定理，分區資料大致上會正常分佈。為瞭解釋每個區間觀測值不足的情況，會使用摺刀法來計算信賴區間。
為什麼要使用摺刀法重取樣？
摺刀法重取樣是 Google 的標準做法，這種重取樣方式用途多元，且提供高覆蓋率。此外，它也能有效偵測離群值，並減少樣本評估的偏差。摺刀法在沒有足夠資料使用中央極限定理取得準確估計的情況下特別有用，因此它用於分區資料，以進一步提高信賴區間的準確性。
您可以在這裡中查閱摺刀法重取樣總覽。如果您想進一步瞭解相關用途，請參閱這份文件。
外部廣告客戶可以在事後匯總多個實驗的成效，並以匯總層級重新計算統計資料嗎？
不可以。廣告客戶沒有使用者層級資料的存取權，因此無法重新建立分區並套用摺刀演算法。目前沒有內部工具可代表我們的用戶端執行這些操作。
指定目標是否會影響競價額度分組套用到實驗和原始廣告活動的方式？
指定目標不會影響分組，分組會在指定目標前，先行套用至符合資格的競價。例如，50:50 分組代表實驗和原始廣告活動均參加競價的次數相同。
可確保真正 A/A 測試的條件為何？
A/A 測試是在測試期間，實驗和原始廣告活動完全一致的測試 (廣告活動廣告/廣告群組/設定等均為相同，廣告核准也沒有差異)。在 A/A 測試期間所做的任何變更，都需要同時套用至實驗和原始廣告活動。
A/A 測試的預期結果為何？
點擊次數、曝光次數、點閱率或單次點擊出價的統計計算結果不會有顯著的差異。
搜尋式分組和 Cookie 式分組有什麼不同？
這是決定使用者處理方式的兩種不同選項。如果使用搜尋實驗式分組，每次執行搜尋時，系統會將使用者隨機置入實驗組或原始廣告活動。如果同一位使用者進行多次搜尋，則有可能會同時看到實驗和原始廣告活動。使用 Cookie 式實驗組時，無論使用者搜尋多少次，可能都只會看到一種版本的廣告活動。這麼做可避免其他因素影響結果。
會使用多少分區？
控制組使用 20 個分區，實驗組使用 20 個分區。如果分區數量太多，要取得統計顯著程度的結果可能需要很長時間。如果分區數量太少，則可能導致信賴區間計算結果不準確。因此這種做法可以在實際需求和統計成效之間達到適當的平衡。
