《A/B测试》读后感锦集

　　《A/B测试》是一本由王晔 等著作，机械工业出版社出版的精装图书，本书定价：69.9，页数：204，特精心从网络上整理的一些读者的读后感，希望对大家能有帮助。

　　《A/B测试》精选点评：

　　●强烈推荐

　　●朋友送的，但总体来说，太浅了，东拼西凑的一本书。

　　●太水了

　　●跟着王博复习一遍统计学

　　●可以帮助整理方法论框架，一些案例挺有趣但都比较简单，属于自己也可以通过认知判断的类型 。书本有20%的内容感觉是在售卖软件，不是很喜欢

　　●用来理解ab理论很不错

　　●占个坑先

　　●收获有限。全书三部分： 1.abtest为什么重要 - 有基本增长概念的人，不需要这么长的阐述。 2.统计学科普，用「p值、统计功效、置信区间」来描述和判定试验结果，而不只是下一个「a比b平均值高，所以a好」的草率结论 - 这部分讲太粗略，没上过统计学的人万万是看不懂的，上过统计学的人复习了一遍概念，但最重要的怎么方便实操（比如做一个t检验计算器）、怎么设定样本量和试验时长，没讲。 3.实践案例：每个行业选了一个「我们如何调整一个落地页按钮得到了大幅增长」案例。- 说实话，对一线实操做增长的人来说，调整按钮这样的试验都不想挂嘴边，小到只能是例行工作而已，没有启发。

　　●ab入门

　　●Fall fast learn smart 1、测试理念的重要性(比较反复） 2、测试的设计和执行(大多数理论和方式其实在增长黑客中提及过 ） 3、统计理论(看不懂……没事，我总可以有数据分析师) 4、A/B test软件实操(???难道我要用的时候不会有工作手册或KA服务么) 5、在不同行业不同职能的延展(流于表面，启发较小）

　　《A/B测试》读后感(一)：初级入门

　　1. 勉强给了六分，我相信作者肚子里是有墨水的，但是作为一本入门实操类的书，写出来确实不够深入浅出，也没有探讨的很深；

　　2. 适合入门，也仅限于入门，对自己有启发的也就统计学基础那一块了；

　　3. A/B测试是一种手段，实现业务增长的手段，做产品的方式，用户体验等等也都是手段，最终的目的都是让产品获得商业上的成功。

　　《A/B测试》读后感(二)：入门可以 这本书适合给那些想要如入门的看，理论部分可以，就是实操部分，哎实在是不敢恭维呀，但是对于统计学基础薄弱的人来讲，统计学那块有点用。

　　这本书适合给那些想要如入门的看，理论部分可以，就是实操部分，哎实在是不敢恭维呀，但是对于统计学基础薄弱的人来讲，统计学那块有点用。

　　第一章：数据驱动是试验本质——里面的理论基础还可以，值得一看，尤其是那些对A/B认知有限的朋友，这块确实值得你看一下，加深对数据使用的理解；

　　第二章：A/B测试是成功的试验方法——里面解析了国内外大公司对于试验的应用和起到的作用以及试验的定义特性类型等，适合打基础，应用到的统计学原理，适合没有统计学基础的好好学习一下，知其然知其所以然；

　　第三章：A/B测试的作战计划——本来以为这一章是实战部分，然而看完有点失望，实在是有点水，如果你想通过看这个上手一个试验的话，只能说想多了；

　　第四章：A/B测试的完整解决方案——嗯，就是各种案例

　　第五章：——没看题目，也看不下去了，嗯就这样

　　《A/B测试》读后感(三)：AB 测试的本质——试验思维

本书共有5章，于我而言，比较有用的是前2章。

本书是对AB测试做了大致的介绍，但是详细的统计学原理还得看统计学相关的书才行，第2章的时候有提到，如果没有学过假设检验可能会一脸懵。

第1章印象最深的部分，是在数据利用那部分——数据利用的1.0时代和2.0时代。

数据1.0时代：收集数据——数据报表——BI（高级报表）

数据2.0时代：用户画像/用户体验/精准营销/智能化推荐/人工智能

数据的价值，也正是在于数据驱动。

对比了2种方法

1.（后验）归纳总结式 ： 收集数据-分析-洞察-决策 （其实就是做之前先分析，分析完之后再决定做不到。）

2.（先验）试验 ： 多个方案-同时测试-上线最优版本 （其实就是做试验，分2组、多组同时进行，最后上线最优的那组。）

各有优缺点：后验的方法严谨、规范。但是效率低，见效慢。

试验思维——快速试错，快速迭代。

AB测试的原理。怎么解读，还是得看统计学相关的书才行。而本书讲了在公司中做AB测试的流程和可能会遇到的问题，很值得参考。

大致流程：确定要研究的指标——设计方案——排期与试验——效果评估

　　《A/B测试》读后感(四)：希望这本书能够引起国内企业对AB测试的重视

　　如果从专业角度给这本书打分，我打2分；如果从教育企业角度给这本书打分，我打5分。

　　哪些人适合看这本书呢？如果对AB熟悉程度用5档来判断：1、2、3、4、5，那么这本书适合2档以下的人群来阅读。这群人真的是太需要了解下AB测试的作用了。

　　通过我和一些的产品、运营人员了解发现，大部分人对AB测试的了解程度都是2档，你说他们不了解吧，他们还知道这个概念，也知道AB测试有用，你说他们了解吧，他们又不知道怎么开实验，没有落地的能力。

　　所以，这本书对这群人确实会有不少帮助。我们一起来看看这本书讲的内容。

　　这本书分5个部分讲述，

　　第一部分：数据驱动很重要，企业需要有根据数据决策的意识，那么如何一直做出正确的决策呢？我们可以做AB测试。

　　我个人工作过的一些公司中，只有一家在AB测试方面做得非常好的，每个产品迭代都会进行AB测试，产品、算法、运营、市场等等，每个人都会在做一件事情之前考虑采用AB的方式。我认为这是一个好习惯，因为AB测试会帮我们持续做正确的决策。

　　但有很多公司的AB测试意识真的是太薄弱了，他们知道什么叫做AB测试，但是不知道怎么做，不知道原理，也不知道AA测试是什么。所以这里赞一下吆喝科技的王晔，如果能够教育好企业，将会对国内企业数据意识做出很大的帮助。

　　第二部分：AB测试是大公司的标配，如果大家也希望成为大公司，怎么做呢？我们可以做AB测试。

　　这一个章节涉及到一部分技术内容，如果想了解AB的原理，直接看这部分就够了，其他章节可以不看。

　　这里我简单总结下重点：

　　如果你想深入了解AB，那么有两个概念你需要了解：

　　正交试验：假设我们同时做两个实验，用P和Q代表吧，然后用Pa和Qa代表对照组，Pb和Qb代表实验组。在Pa组的用户会被均匀的分配到Qa组和Qb组，在Pb组的用户也会被均匀的分配到Qa组和Qb组。

　　互斥试验：同样是上面的背景，P组的用户，不能进入Q组。

　　了解了这两个概念，你才能了解AB，才能做好AB测试，此外，如果你真的希望深入学习AB，建议把大学的《数理统计》再看一遍。

　　第三部分：实操部分，我应该怎么开实验呀？我告诉你，这里有一套模板，按照这个模板来吧。

　　发现问题-建立试验目标-提出试验假设-开发并运行试验-分析试验数据-作出决策，按照这个套路来，保你万无一失。哈哈哈

　　个人觉得，赞同，按照这个路径来，开启你的第一个试验，慢慢熟悉了，就知道怎么做了。此外，也可以了解下国外的几款做的不错的试验产品：Google优化工具、Firebase、Optimizely、Apptimize、VWO。

　　第四部分：这里作者也告诉你很多开实验的场景，给出了电商、金融、教育、旅游、消费等等各行业可以开实验的场景。

　　哪些人适合开实验？我觉得产品可以，运营可以，市场可以，开发也是可以的，大家都可以。只要你有意识。

　　第五部分：畅想吧。