← 返回卡片

原书出处

数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow

09 第9章 特殊场景下的实验设计和分析方法 9.1 解决分流实验对象之间的干扰

核验版本的摘录快照 · 导入于 2026-11-14T09:43:22.281Z

网络效应是A/B实验的大敌。我们这里讨论的网络效应不同于经济学上的网络效应(越多用户加入,产品/服务的价值越大),而是类似溢出效应和组间干扰,实验单元的实验结果不仅取决于个体本身,还会受其他实验单元的影响。 举例来说,在社交网络中,一个用户观看广告后的点击行为会影响另一个用户看到的广告。我们想对比两套广告推荐系统对于广告点击量的影响,如果仅仅将用户随机分流做A/B实验,实验组用户和控制组用户的广告点击行为会互相影响,这样实验得到的结果会有偏差。 不存在网络效应的假设被称为个体处理稳定性假设,我们往往需要在开始实验设计的时候评估是否存在网络效应,如果已经得到A/B实验数据了才发现存在网络效应,就只能尽可能剥离出未受污染的实验组和控制组得出无偏的实验结果,这样做十分麻烦而且并不是每次都能有分析方法来救场的。所以一般在设计实验时,数据分析师就应提前判断业务场景中是否存在网络效应,再针对业务场景设计相应的实验。

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow/_epub-src/OEBPS/Text/part0050.xhtml

EPUB SHA-256:b9d74c3cb9a87547f425283a2273004c2d73de2c2b50ebf97c2ab3336ae5d102