AB实验：科学归因与增长的利器

先说结论：整体而言，推荐阅读，但本书有较强的前置性知识/技能要求，对不同的人群来说，可能具有较大差异的可接受度。由于一些撰写的风格（有些是问题），对小白来说学习曲线比较陡峭。 刷书背景：收藏了很久的书，一直没有多余的时间和精力阅读，前两周阅读关于增益模型(uplift model)的文献时（本书倒数第二章比较粗浅地提到了该增益模型），又看到了ABT的影子，想到了这本书。 先说优点： 第一，比较系统地，全面地介绍了涉及ABT的方方面面，对构建相对完善的ABT知识树大有裨益； 第二，对于非常重要的内容，潜在结果框架，AAT，SRM，指标设计，实验平台等内容浓墨重彩，比较详细； 第三，介绍了一些非常好的非核心（或者说非经典ABT场景）内容，譬如非参数（虽然这部分写得有问题），基于观察性数据的因果效应推断（本文称为观察性因果效应分析），一些补充的定性分析方法（本文称为调查研究等）。 再说缺点： 第一，小错误多。这一点难以回避，无法想象书籍审校环节如何进行的，况且还是数据科学这一本该万分严谨的领域。错误类型包括不限于：公式错误，字母表达乱套，数据计算有误，对有些计算结果的解释张冠李戴（这些很多书友在文中都有点到） 第二，作者本身的文学素养需要提升。此类书籍不追求表达多么优美，辞藻多么华丽，而在于严谨与通俗的平衡，流畅与详略的安排。更重要的是基本的中文语法结构和动名词安排会十分影响读者的阅读体验。但文中很多地方不时充斥着专业名词集聚式出现，状语位置不符合中文常规表达方式，动名词错位（动词名词用，但是有紧跟着动词；名词动词用，但是又紧跟着名词）等问题，看着比较累。不知是不是【互联网行业多年的从业经验与“黑话”习惯，导致不会好好说话，引起不会好好写文？】 第三，写作习惯不好。最经典的就是，一开始出现的专业名词，需要给出解释，如果后文出现，也可以选择给出脚注索引；一开始出现的专业名词的英文缩写，必须给出该英文缩写对应的英文全称表达；对于一些专业名词，和原先论文或行业中的翻译明显不太一致，这个时候需要给出备注。其实很多问题，有些书友觉得云里雾里，并不是这些“问题本身难以理解”，就是写作的问题。作者总犯“知识的诅咒”这一偏见，“我认为你懂了/我认为这个很简单/我认为我的这种表达很常见”。 第四，也是我在文中吐槽很多的地方，如果全面认真阅读本书，会发现不少章节“风格迥异”。一些章节特别像粗糙的中译文，可能来自于文献，可能来自于某英文帖子/技术博客等，行文风格特别类似于翻译很差的中译著作；但有些章节，从段落结构的安然，行文本身的表达风格，遣词造句的特点来看，就是很舒服的中文写作风格。 第五，个别应该细致解释的章节过于简单；案例部分介绍得太急，非常“浅”，案例本身蜻蜓点水，但又热衷于其实比较简单的加减乘除计算；有些一句话结束的“案例”不如不提，呈“排比句”出现，干扰阅读，而且太像国外书籍那种散漫的撰写方式。 以上，是为评。

总体上是推荐的，是一本对线上AB实验阐述十分全面的书，系统的讲解了AB实验的意义、原理、方法、问题、工程和局限。 两个最重要的意义，1科学的归因而不是错把相关性误认为是因果性，2量化效果从而能精准预测某些策略的结果。 后续从基础开始介绍了统计学相关知识，介绍了假设检验，讲解了均值和比率两类指标。这部分AB原理部分，对于没有统计学知识的读者十分重要，但是讲的并不是十分透彻，可能作者默认读者需要具备一定的统计学基础。个人觉得是本书的最大缺点。读者在阅读相关章节时最好结合其他AB实验讲解、或者是两独立样本检验的基础讲解，这样会加深理解。 对于AB实验在统计和工程上会遇到的问题，是本书很优秀的地方，作者详细列举了多重测试、SUTVA（实验样本必须保证相互独立）、SRM（样本必须同质可比）各类问题中可能出现的具体问题，读者在实施时其实可以对照着看自己是否犯了错（还是比较易错的）。 在平台工程和实验文化的建立上，作者也有写到，主要是AB实验平台的产品架构、实验文化如何自上而下推广建设。 最后也讲到AB实验的局限，并且介绍了一些在无法实施实验的情况下，如何近似获得相同效果进而去归因的方法。 很适合想了解AB实验和刚开始进行AB实验的产品和运营同学学习和阅读，这本书还是能帮助建立一个对AB实验的整体性认知的。至于实际的问题解决，则需要在本书的框架下继续深入实践了。

一本对于AB实验有着完整介绍的书，内容覆盖基础定义、统计原理、实践流程规范以及局限性方方面面。比较适合刚接触或者想整体了解AB 实验的读者，但有一些部分还是较为简略，需要另外去深入学习了。至于AB实验实践中真正会碰到的问题，还是比书中描述的更多更复杂了。

我已经不知道这是我第几次学统计了 这个学科就不适合我。线形碎片需要记忆力，先定义再应用。纯工具但是根本没有办法解释为什么，情景和意义。 我就在想这本书解决我一个问题，AB实验怎么我知道他是正确归因。我归因靠我的结构直觉，所以我也想看看科学的。但是统计又把我操烂了。我的思维没办法学这个学科

非常推荐数据分析师或者做增长相关的人员阅读这本书，系统讲解了A/B测试的原理，全面讲解了如何做好A/B测试，这可以让企业在做决策时可以省下很多决策成本，但是也要适度实验，毕竟A/B测试是比较耗资源的。同样的A/B测试也有它的局限性，这时需要找到更好的解决办法。

这个作者牛翻了！ 感觉她非常小心，不想堆公式，她要用平实的语言直观的解释公式，让理论平易近人。 于是分析着最根源最贴合实际的原理、点明了最易混淆懵圈的点，全书透彻、宽广、系统、通俗易懂，把我一非统计专业的讲明白了！大佬！

花了20小时总算把这本书读了一遍。刚开始读的时候，总觉得很艰难、进度慢，离学成遥遥无期。可一回看，这段让我疲惫的阅读过程，居然也就20个小时。 整体而言，书写得非常好，对AB实验的讲解既系统又深入，也尽可能从数理和业务两个维度阐明理论知识。虽然个别细节表达上略有疏漏，但瑕不掩瑜，衷心感谢作者写了这么一本书。

作为一名 AB test 初学者，书中部分表述仍需要细细琢磨才能完全吃透。但不可否认，这本书内容详实严谨，讲解通俗易懂，框架体系也十分完整。无论是用来系统学习 AB 测试的知识框架，还是当作工具书查阅单个知识点，都非常推荐阅读。

基本是《关键迭代：可信赖的线上对照实验》汉化版。 作者其实是译者！

本书是AB实验领域的标准化著作，它将带领你快速理解AB实验原理、掌握AB实验方法、搭建AB实验平台、塑造基于数据和实验的企业文化，高效开展AB实验、实现用AB实验驱动增长。通过本书的深入学习，你将成为为一个实验领域的专家，完全可以处理常规的AB实验中的大部分问题，帮助你更好地迭代产品，实现产品的优化和业务的增长。