AB實驗：科學歸因與增長的利器

先說結論：整體而言，推薦閱讀，但本書有較強的前置性知識/技能要求，對不同的人羣來說，可能具有較大差異的可接受度。由於一些撰寫的風格（有些是問題），對小白來說學習曲線比較陡峭。 刷書背景：收藏了很久的書，一直沒有多餘的時間和精力閱讀，前兩週閱讀關於增益模型(uplift model)的文獻時（本書倒數第二章比較粗淺地提到了該增益模型），又看到了ABT的影子，想到了這本書。 先說優點： 第一，比較系統地，全面地介紹了涉及ABT的方方面面，對構建相對完善的ABT知識樹大有裨益； 第二，對於非常重要的內容，潛在結果框架，AAT，SRM，指標設計，實驗平臺等內容濃墨重彩，比較詳細； 第三，介紹了一些非常好的非核心（或者說非經典ABT場景）內容，譬如非參數（雖然這部分寫得有問題），基於觀察性數據的因果效應推斷（本文稱爲觀察性因果效應分析），一些補充的定性分析方法（本文稱爲調查研究等）。 再說缺點： 第一，小錯誤多。這一點難以迴避，無法想象書籍審校環節如何進行的，況且還是數據科學這一本該萬分嚴謹的領域。錯誤類型包括不限於：公式錯誤，字母表達亂套，數據計算有誤，對有些計算結果的解釋張冠李戴（這些很多書友在文中都有點到） 第二，作者本身的文學素養需要提升。此類書籍不追求表達多麼優美，辭藻多麼華麗，而在於嚴謹與通俗的平衡，流暢與詳略的安排。更重要的是基本的中文語法結構和動名詞安排會十分影響讀者的閱讀體驗。但文中很多地方不時充斥着專業名詞集聚式出現，狀語位置不符合中文常規表達方式，動名詞錯位（動詞名詞用，但是有緊跟着動詞；名詞動詞用，但是又緊跟着名詞）等問題，看着比較累。不知是不是【互聯網行業多年的從業經驗與“黑話”習慣，導致不會好好說話，引起不會好好寫文？】 第三，寫作習慣不好。最經典的就是，一開始出現的專業名詞，需要給出解釋，如果後文出現，也可以選擇給出腳註索引；一開始出現的專業名詞的英文縮寫，必須給出該英文縮寫對應的英文全稱表達；對於一些專業名詞，和原先論文或行業中的翻譯明顯不太一致，這個時候需要給出備註。其實很多問題，有些書友覺得雲裏霧裏，並不是這些“問題本身難以理解”，就是寫作的問題。作者總犯“知識的詛咒”這一偏見，“我認爲你懂了/我認爲這個很簡單/我認爲我的這種表達很常見”。 第四，也是我在文中吐槽很多的地方，如果全面認真閱讀本書，會發現不少章節“風格迥異”。一些章節特別像粗糙的中譯文，可能來自於文獻，可能來自於某英文帖子/技術博客等，行文風格特別類似於翻譯很差的中譯著作；但有些章節，從段落結構的安然，行文本身的表達風格，遣詞造句的特點來看，就是很舒服的中文寫作風格。 第五，個別應該細緻解釋的章節過於簡單；案例部分介紹得太急，非常“淺”，案例本身蜻蜓點水，但又熱衷於其實比較簡單的加減乘除計算；有些一句話結束的“案例”不如不提，呈“排比句”出現，干擾閱讀，而且太像國外書籍那種散漫的撰寫方式。 以上，是爲評。

總體上是推薦的，是一本對線上AB實驗闡述十分全面的書，系統的講解了AB實驗的意義、原理、方法、問題、工程和侷限。 兩個最重要的意義，1科學的歸因而不是錯把相關性誤認爲是因果性，2量化效果從而能精準預測某些策略的結果。 後續從基礎開始介紹了統計學相關知識，介紹了假設檢驗，講解了均值和比率兩類指標。這部分AB原理部分，對於沒有統計學知識的讀者十分重要，但是講的並不是十分透徹，可能作者默認讀者需要具備一定的統計學基礎。個人覺得是本書的最大缺點。讀者在閱讀相關章節時最好結合其他AB實驗講解、或者是兩獨立樣本檢驗的基礎講解，這樣會加深理解。 對於AB實驗在統計和工程上會遇到的問題，是本書很優秀的地方，作者詳細列舉了多重測試、SUTVA（實驗樣本必須保證相互獨立）、SRM（樣本必須同質可比）各類問題中可能出現的具體問題，讀者在實施時其實可以對照着看自己是否犯了錯（還是比較易錯的）。 在平臺工程和實驗文化的建立上，作者也有寫到，主要是AB實驗平臺的產品架構、實驗文化如何自上而下推廣建設。 最後也講到AB實驗的侷限，並且介紹了一些在無法實施實驗的情況下，如何近似獲得相同效果進而去歸因的方法。 很適合想了解AB實驗和剛開始進行AB實驗的產品和運營同學學習和閱讀，這本書還是能幫助建立一個對AB實驗的整體性認知的。至於實際的問題解決，則需要在本書的框架下繼續深入實踐了。

一本對於AB實驗有着完整介紹的書，內容覆蓋基礎定義、統計原理、實踐流程規範以及侷限性方方面面。比較適合剛接觸或者想整體瞭解AB 實驗的讀者，但有一些部分還是較爲簡略，需要另外去深入學習了。至於AB實驗實踐中真正會碰到的問題，還是比書中描述的更多更復雜了。

我已經不知道這是我第幾次學統計了 這個學科就不適合我。線形碎片需要記憶力，先定義再應用。純工具但是根本沒有辦法解釋爲什麼，情景和意義。 我就在想這本書解決我一個問題，AB實驗怎麼我知道他是正確歸因。我歸因靠我的結構直覺，所以我也想看看科學的。但是統計又把我操爛了。我的思維沒辦法學這個學科

非常推薦數據分析師或者做增長相關的人員閱讀這本書，系統講解了A/B測試的原理，全面講解了如何做好A/B測試，這可以讓企業在做決策時可以省下很多決策成本，但是也要適度實驗，畢竟A/B測試是比較耗資源的。同樣的A/B測試也有它的侷限性，這時需要找到更好的解決辦法。

這個作者牛翻了！ 感覺她非常小心，不想堆公式，她要用平實的語言直觀的解釋公式，讓理論平易近人。 於是分析着最根源最貼合實際的原理、點明瞭最易混淆懵圈的點，全書透徹、寬廣、系統、通俗易懂，把我一非統計專業的講明白了！大佬！

花了20小時總算把這本書讀了一遍。剛開始讀的時候，總覺得很艱難、進度慢，離學成遙遙無期。可一回看，這段讓我疲憊的閱讀過程，居然也就20個小時。 整體而言，書寫得非常好，對AB實驗的講解既系統又深入，也儘可能從數理和業務兩個維度闡明理論知識。雖然個別細節表達上略有疏漏，但瑕不掩瑜，衷心感謝作者寫了這麼一本書。

作爲一名 AB test 初學者，書中部分表述仍需要細細琢磨才能完全喫透。但不可否認，這本書內容詳實嚴謹，講解通俗易懂，框架體系也十分完整。無論是用來系統學習 AB 測試的知識框架，還是當作工具書查閱單個知識點，都非常推薦閱讀。

基本是《關鍵迭代：可信賴的線上對照實驗》漢化版。 作者其實是譯者！

本書是AB實驗領域的標準化著作，它將帶領你快速理解AB實驗原理、掌握AB實驗方法、搭建AB實驗平臺、塑造基於數據和實驗的企業文化，高效開展AB實驗、實現用AB實驗驅動增長。通過本書的深入學習，你將成爲爲一個實驗領域的專家，完全可以處理常規的AB實驗中的大部分問題，幫助你更好地迭代產品，實現產品的優化和業務的增長。