- Тренажер
- Продакт-менеджери
- Маркетологи
Статистика для продакт-менеджерів і маркетологів
Безкоштовний курс статистики для продакт-менеджерів і маркетологів: як чесно читати метрики, запускати надійні A/B-тести й пояснювати цифри команді на реалістичних даних.
Безкоштовно24 уроки~16 год 27 хв навчання
Модуль 1: Опис даних
Типові значення, розкид, викиди й графіки: як чесно підсумувати будь-яку продуктову метрику.
- 1.1Середнє, медіана і мода: яке значення типовеСереднє, медіана, мода й усічене середнє — головні міри центральної тенденції — на правдоподібних замовленнях Котокорму: на яке запитання відповідає кожна міра, як одне оптове замовлення обманює середнє і чому не можна усереднювати середні.~48 хв
- 1.2Розкид: дисперсія, стандартне відхилення і квартиліДві кур'єрські служби з однаковим середнім часом доставки, і чому обіцянку виконує лише одна: розмах, дисперсія, стандартне відхилення (з розрахунком крок за кроком), квартилі, IQR і коефіцієнт варіації.~48 хв
- 1.3Викиди в даних і скошені розподілиЧому продуктові метрики мають довгі хвости, як знаходити викиди в даних за правилом IQR і що з ними робити: виправляти помилки, сегментувати інших покупців і ніколи бездумно не видаляти «китів».~44 хв
- 1.4Типи графіків: як обрати правильнийГістограми, діаграми розмаху, стовпчикові, кругові, діаграми розсіювання й лінійні графіки: на яке запитання відповідає кожен, як ширина інтервалів і осі змінюють історію, і класичні способи, якими графіки вводять в оману.~47 хв
Іспит модуляПройдіть ще 4 уроки, щоб відкритиМодуль 2: Порівняння двох груп
Від вибірок до значущості: коли різниця між двома групами справжня, а коли це шум.
- 2.1Вибірка, генеральна сукупність і нормальний розподілВибірка і генеральна сукупність: чому ми вивчаємо вибірки, щоб дізнатися про всіх користувачів, чому нормальний розподіл трапляється всюди і як їх пов'язує центральна гранична теорема.~39 хв
- 2.2t-критерій СтьюдентаКритерій Стьюдента для двох незалежних вибірок: порівняння середніх двох груп і рішення, чи різниця більша за випадкову.~39 хв
- 2.3Манна–Вітні: коли дані не нормальніРанговий критерій для скошених метрик, як-от виручка чи тривалість сесії.~41 хв
- 2.4p-значення та статистична значущістьЩо насправді каже p-значення, чого воно не каже, як рівень значущості 0,05 перетворює його на рішення, і статистична значущість проти практичної.~39 хв
Іспит модуляПройдіть ще 4 уроки, щоб відкритиМодуль 3: A/B-тестування на практиці
Довірчі інтервали, потужність, тести конверсії та пастки, що ламають реальні експерименти.
- 3.1Довірчий інтервал: формула і похибкаФормула довірчого інтервалу і похибка оцінки: як повідомити діапазон правдоподібних значень замість одного числа.~40 хв
- 3.2Статистична потужність і обсяг вибіркиСтатистична потужність і обсяг вибірки: скільки користувачів потрібно експерименту, щоб виявити важливий для тебе ефект.~38 хв
- 3.3Конверсія і z-критерій для двох частокПорівняння конверсії між варіантами z-критерієм для двох часток і правильне прочитання приросту.~44 хв
- 3.4Пастки: підглядання, множинні порівняння, ефект новизниНайпоширеніші способи, якими реальні A/B-тести йдуть не так, і як цього уникнути.~37 хв
Іспит модуляПройдіть ще 4 уроки, щоб відкритиМодуль 4: Багато груп і до/після
ANOVA, взаємодії, парні тести й повторні вимірювання, щоб порівнювати більше двох груп або тих самих користувачів у часі.
- 4.1Дисперсійний аналіз (ANOVA): порівняння багатьох групОднофакторний дисперсійний аналіз: перевірка трьох і більше варіантів одночасно без зростання хибнопозитивних результатів.~40 хв
- 4.2Двофакторний дисперсійний аналіз і взаємодіїДвофакторний дисперсійний аналіз: коли два фактори діють разом, наприклад акція, що працює на мобільних, але не на десктопі.~39 хв
- 4.3t-критерій для залежних вибірок: до і післяПорівняння тих самих користувачів до і після зміни: t-критерій для залежних вибірок і T-критерій Вілкоксона.~40 хв
- 4.4ANOVA з повторними вимірюваннямиВідстеження тих самих користувачів у кількох точках часу: дисперсійний аналіз із повторними вимірюваннями і критерій Фрідмана.~41 хв
Іспит модуляПройдіть ще 4 уроки, щоб відкритиМодуль 5: Зв'язки
Кореляція, причинність і регресія: як метрики рухаються разом і як передбачити одну з інших.
- 5.1Коефіцієнт кореляції: як дві метрики рухаються разомЯк виміряти спільний рух двох метрик коефіцієнтом кореляції (Пірсона і Спірмена) і чому саме по собі це нічого не доводить про причину.~45 хв
- 5.2Проста лінійна регресіяПроста лінійна регресія: передбачення однієї метрики з іншої прямою лінією та перевірка якості через коефіцієнт детермінації R².~42 хв
- 5.3Множинна лінійна регресіяМножинна регресія: як відокремити вплив кількох драйверів одночасно і не потрапити у дві класичні пастки — перенавчання та мультиколінеарність.~39 хв
- 5.4Логістична регресія та класифікаціяЛогістична регресія для результатів «так/ні», як-от відтік чи конверсія: шанси, відношення шансів, поріг рішення та оцінка якості прогнозів.~40 хв
Іспит модуляПройдіть ще 4 уроки, щоб відкритиМодуль 6: Моделювання та сегментація
Прогнози, кластеризація користувачів у сегменти, пошук драйверів в опитуваннях і вибір правильного тесту.
- 6.1Моделі та прогнозуванняЩо таке модель, як проста модель прогнозування продовжує тренд і як зрозуміти, чи прогноз чогось вартий.~38 хв
- 6.2Кластеризація для сегментації клієнтівСегментація клієнтів за даними: як дати кластерному аналізу підказати сегменти замість того, щоб їх вгадувати.~39 хв
- 6.3Факторний аналіз: опитування та драйвери NPSЯк знайти кілька прихованих тем за багатьма запитаннями опитування.~40 хв
- 6.4Підсумок курсу: як обрати правильний критерійШпаргалка для вибору методу, що поєднує весь курс.~40 хв
Іспит модуляПройдіть ще 4 уроки, щоб відкрити