SQL für die Datenanalyse

Kapitel 7. Experiment-Analyse

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Experimente, auch bekannt als A/B-Tests oder Split-Tests, gelten als der Goldstandard für den Nachweis von Kausalität. Bei der Datenanalyse geht es oft darum, Korrelationen festzustellen: Eine Sache tritt mit größerer Wahrscheinlichkeit ein, wenn eine andere Sache ebenfalls eintritt, sei es eine Aktion, ein Merkmal oder ein saisonales Muster. Du kennst sicher das Sprichwort "Korrelation bedeutet nicht Kausalität", und genau dieses Problem bei der Datenanalyse versuchen wir durch Experimente zu lösen.

Alle Experimente beginnen mit einer Hypothese: einer Vermutung über die Verhaltensänderung die sich aus einer Änderung eines Produkts, eines Prozesses oder einer Botschaft ergeben wird. Dabei kann es sich um eine Änderung der Benutzeroberfläche, des Einführungsprozesses, eines Algorithmus für Empfehlungen, der Marketingbotschaft oder des Timings oder um einen beliebigen anderen Bereich handeln. Wenn das Unternehmen das System entwickelt hat oder die Kontrolle darüber hat, kann es zumindest theoretisch erprobt werden. Hypothesen werden oft durch andere Datenanalysen aufgestellt. Wenn wir z. B. feststellen, dass ein hoher Prozentsatz der Kunden den Bestellvorgang abbricht, könnten wir die Hypothese aufstellen, dass mehr Kunden den Bestellvorgang abschließen würden, wenn die Anzahl der Schritte reduziert würde.

Das zweite ...