GR · MM · 138
降低置信区间
Lower Confidence Intervals · lower-confidence-intervals--laura-schaffer
所属簇 实验体系与统计方法论
解决什么问题
95% 置信区间是 A/B 测试的行业标准,但对于增长/营销团队来说,这个标准来自制药/学术领域,可能过于保守,导致实验吞吐量不足。如何在可控风险下提升实验量?
核心内容
核心论点:95% 置信区间属于制药和学术研究领域,增长团队可以也应该接受更低的置信区间。
为什么 95% 不适用于增长团队:
- 95% 置信区间的起源:学术研究发表的结果会影响教育政策、偏见理解等,false positive 后果严重
- 制药行业:错误的结论可能危及生命
- 增长团队:转化用户、做 upsell——false positive 的后果可控
收益:
- 降低置信区间可以将年度实验量翻倍
- 考虑到 80%+ 的失败率,跑更多实验的净效果是正向的——即使多了一些 false positive,整体成功的绝对数量也会更多
必须配套的纪律:
- 事前设定:置信区间和验证方法必须在实验前就确定,不能事后调整数据去凑假设
- 定性佐证:接受更低置信区间时,必须用定性数据(用户反馈、Hotjar 录屏等)来交叉验证定量结果
- 始终有明确假设:不能没有假设就跑实验
如何说服数据科学家:
- 用 80% 失败率这个硬数据解释:如果一年只跑 10 个实验(95% 置信区间下可能只有 2 个有效),机会成本巨大
- 不跑足够多的实验本身就是一个巨大的风险
适用边界
- 绝不能在没有预设假设和验证计划的情况下降低标准
- 降低标准后必须用定性数据加固验证
- 接受更多 false positive 的风险——但整体净效果仍为正
- Laura 自述这种方式可能被外界视为"靠直觉",但实际上是"拥抱失败率的硬数据"
关键引述 · 原话
"We are very fortunate to not have that level of burden on us and we can take advantage of that."(Laura Schaffer,关于增长团队不需要 95% 置信区间的负担)
关联卡片
直接依赖"Experiment Failure Rate Benchmark"的 80% 数据作为核心论据。
出处:Laura Schaffer · 03-podcasts/laura-schaffer.md
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast(2019–2026)。本站为个人学习用途的二次创作,与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast(2019–2026)。本站为个人学习用途的二次创作,与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2