数据分析必问题——AB实验（3）
在上一篇文章中，我主要介绍了AB实验中经常被问到的一些问题，今天我主要针对其中两个比较难也问得比较多的问题进行回答。
1.为什么实验期间有效果，全量上线后没有效果（或者反向）？
针对这个问题，可能存在三方面的原因：
- 一是实验底层逻辑其实是假设检验，假设检验的基本原理基于小概率事件进行反证法，所以实验分身就有犯错的概率，不可避免，这里主要是犯了假设检验的第一类错误。（第一类错误：去真，原假设为真，拒绝原假设。A和和B组本身无差异，但实验结论是有差异。）
- 二是实验分析或者解读的方式有误，大概会有常犯的三类错误，具体参考下图总结。
- 三是实验设计不合理，实验分组存在不均，所选的样本不能完全解释整体。
2.实验结果不显著怎么办？
对于某个实验，可能一开始就能预估对能对某个指标产生显著影响，但是实验上线后发现效果并不显著。这种情况下可以采取以下5种方式进行进一步处理：
如果觉得我的分析还不错，辛苦三连~~~点赞👍+收藏⭐️+关注❤️
欢迎大家评论区讨论~
大家后续想了解数据分析或者商业分析哪些方面的内容可以再评论区留言告诉我哦~
🍻一起成长吧~
#牛客在线求职答疑中心##牛客解忧铺##数据分析#数据分析高频面试问题总结 文章被收录于专栏
分享如何回答数据分析面试的常见问题，比如AB实验、指标体系搭建等。
