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。学习本书，你将收获以下知识和技能：
AB实验的基础知识、关键问题及其挑战；
AB实验的统计学知识、参与单元、随机分流；
AB实验的SRM问题、灵敏度、长期影响；
AB实验的产品指标体系、评估指标体系；
AB实验的平台建设、组织和文化建设；
AB实验的增长实践和解决方案；
AB实验的难点和局限性；
因果分析方法和用户调查分析方法。
本书内容具有以下3个特点：
全面系统、主次分明：如上所述，本书涵盖AB实验理论、实践的方方面面，重点放在对AB实验关键环节的深入理解、关键问题的解决方案上，力争把关键问题剖析到位，而不是面面俱到地泛泛而谈。
案例丰富、算例清晰：重要知识点都配有翔实的行业案例，帮助读者通过应用场景理解AB实验；以深入浅出的方式阐述了AB实验涉及的复杂数理知识。
全球视野、与时俱进：不仅总结了国内外优秀企业的AB实验案例，而且将全球AB实验领域先进的研究成果和案例融入了书中。
通过本书的深入学习，你将成为一个实验领域的专家，完全可以处理常规AB实验中的大部分问题，进而更好地迭代产品，实现产品的优化和业务的增长。

刘玉凤，毕业于清华大学，获机器学习和数据挖掘专业硕士学位，某互联网大厂高级数据专家和数据科学家，有多年策略产品和数据产品经验。曾负责该厂AB实验平台的搭建和运营，在AB实验领域积累了丰富的经验。
专注数据领域，实践过丰富的业务类型，包括智能硬件、O20、信息流、出行服务等，在多个业务中担任过数据负责人，不但拥有丰富的2C数据驱动增长的成功经验，还拥有多个2B数据赋能业务的落地经验。
多次受邀在MUSP、产品经理大会等行业大会上演讲，是领域内难得的兼具深度和广度，理论和实践都很扎实的专家。
擅长的技术领域如下：
全链路数据建设：数据埋点、数据治理、BI建设、指标体系。
数据分析与用户洞察：相关性分析、因果性分析、统计学、用户研究等。
策略和模型：用户增长策略、机器学习和深度学习模型等在业务中的应用。
AB实验：核心原理、平台建设、实验分析。

前言
第一部分 了解AB实验
第1章 AB实验的基本原理和应用
1.1 什么是AB实验
1.1.1 AB实验的定义
1.1.2 AB实验的类型
1.2 AB实验的3个基本要素
1.2.1 实验参与单元
1.2.2 实验控制参数
1.2.3 实验指标
1.3 AB实验的2个核心价值
1.3.1 定性因果：验证因果关系，确保方向正确
1.3.2 定量增长：实践数据驱动，精细成本收益
1.4 AB实验的2个关键特性
1.5 AB实验行业应用
1.5.1 AB实验应用场景
1.5.2 AB实验应用案例
第二部分 深入AB实验
第2章 AB实验的关键问题
2.1 实验参与对象的3个问题
2.2 实验随机分流的3个问题
2.3 实验指标的2个问题
2.4 实验分析和评估的3个问题
第3章 AB实验的统计学知识
3.1 随机抽样和抽样分布
3.2 区间估计和置信区间
3.3 样本容量和边际误差
3.3.1 均值类指标
3.3.2 比率类指标
3.4 假设检验
3.4.1 为什么需要假设检验
3.4.2 如何进行假设检验
3.4.3 第一类错误、第二类错误和功效
3.4.4 如何计算功效
3.5 非参数检验
3.6 方差估计问题
3.6.1 变化绝对差和相对差的方差估计
3.6.2 比率类指标的方差估计
3.6.3 其他指标的方差估计
3.6.4 异常点对方差估计的影响
3.7 多重测试问题
3.7.1 什么是多重测试问题
3.7.2 如何避免多重测试
3.7.3 如何控制多重测试问题
第4章 AB实验参与单元
4.1 实验参与单元的选择
4.1.1 常见的实验参与单元
4.1.2 实验参与单元粒度与实验评估
4.1.3 用户级别的实验参与单元
4.2 实验参与单元的SUTVA问题
4.2.1 什么是SUTVA
4.2.2 为什么需要让SUTVA成立
4.2.3 导致SUTVA不成立的原因
4.2.4 如何解决SUTVA不成立的问题
4.3 最小实验参与单元数量
第5章 AB实验的随机分流
5.1 单层分流模式
5.2 正交分层模式
5.2.1 正交性问题
5.2.2 分层问题
5.3 散列算法
第6章 AB实验的SRM问题
6.1 什么是SRM问题
6.2 导致SRM问题的原因
6.2.1 部署阶段
6.2.2 执行阶段
6.2.3 数据处理和分析阶段
6.3 SRM指标计算和定位
6.3.1 SRM指标计算
6.3.2 定位SRM问题
第7章 AA实验
7.1 AA实验的意义
7.1.1 控制第一类错误
7.1.2 确保用户同质
7.1.3 数据指标对齐
7.1.4 估计统计方差
7.2 如何运行AA实验
7.2.1 什么时候运行AA实验
7.2.2 AA实验失败的常见原因
第8章 AB实验的灵敏度
8.1 什么是实验灵敏度
8.2 如何提升实验灵敏度
8.3 选择指标
8.3.1 选择方差较小的评估指标
8.3.2 标准化评估指标
8.4 选择实验参与对象
8.4.1 采用更细粒度的单元随机化对象
8.4.2 使用触发分析
8.5 选择实验分组
8.5.1 使用分层、控制变量或CUPED方法
8.5.2 设计配对实验
8.6 定向触发技术和评估
8.6.1 触发的方式
8.6.2 触发范围变化
8.6.3 触发实验的分析
8.6.4 触发检验
8.6.5 触发技术的局限性
8.7 如何验证实验灵敏度的提升
第9章 AB实验的长期影响
9.1 长短期影响不一致的原因
9.2 评估长期影响的意义
9.3 如何评估长期影响
9.3.1 长周期实验
9.3.2 保留实验和反转实验
9.3.3 后期分析法
9.3.4 时间交错实验法
9.3.5 固定群组分析法
9.3.6 长期影响的代理指标法
第三部分 AB实验评估指标体系
第10章 产品指标体系
10.1 什么是指标体系
10.2 设计指标
10.2.1 基于OKR的分级法
10.2.2 OSM模型法
10.2.3 指标设计和开发技巧
10.3 评估指标
10.3.1 信息增益
10.3.2 因果关系
10.3.3 长期有效性
10.4 进化指标
10.5 指标分类
10.6 指标体系设计案例
第11章 实验评估指标体系
11.1 实验评估指标的3个基本条件
11.2 选择更好的实验评估指标
11.2.1 综合指向性与灵敏性
11.2.2 从业务视角出发
11.2.3 考虑应用和工程
11.3 将关键指标合并为OEC
11.3.1 如何建立OEC
11.3.2 OEC的关键属性
11.3.3 构建OEC的注意事项
11.3.4 构建OEC的案例
第四部分 AB实验的基础建设
第12章 开展AB实验的基础条件
12.1 决策层认知
12.2 基础工具建设
12.2.1 购买外部服务
12.2.2 自建平台
12.3 文