在Google Analytics（分析）實驗中，為什么“表現優異的概率”似乎與轉換率相矛盾？

Question

變異1和變異5（見下文）都具有比原始變換率低的轉換率，但它們都被標記為更有可能勝過原始變換。

我看到了錯誤嗎？ 如果沒有，有人可以了解如何計算這個超出原始概率的概率嗎？ 謝謝。

原版的
2,071個實驗課程
1,055次轉換
轉換率為50.94％
0％與原始相比
優於原始表現的0.0％概率

變化2
1,028個實驗課程
541轉換
轉換率為52.63％
3％與原裝相比
69.2％表現優異的原始概率

變化4
1,786個實驗課程
914轉換
轉換率為51.18％
0％與原始相比
表現優異的原始概率為61.7％

變化1
523個實驗課程
258次轉換
49.33％的轉換率
-3％與Original相比
表現優異的原始概率為58.0％

變化5
837實驗課程
423轉換
50.54％的轉換率
-1％與Original相比
表現優異的原始概率為53.2％

變化3
517實驗課程
242轉換
46.81％的轉換率
-8％與Original相比
表現優異的原始概率為44.0％

Answer 1

在這里提出一些公平並不是任何基本或簡單的計算。 Google實驗的計算基於多臂強盜的“問題”。

這個概念描述了您希望以最大化獎勵的方式進行實驗的任何情況

有關Google文檔的完整說明，請訪問： https ： //support.google.com/analytics/answer/2844870？hl = zh- CN

基於統計假設檢驗的基於多臂強盜的實驗通常比“經典”AB實驗更有效。 它們在統計上是有效的，並且在許多情況下它們可以更快地產生答案。

它們更有效率，因為它們逐漸將流量轉向獲勝變體，而不是強迫您在實驗結束時等待“最終答案”。

它們的速度更快，因為可能會出現明顯較差變化的樣本可以分配給潛在的獲勝者。 收集有關高性能變體的額外數據有助於更快地將“好”武器與“最佳”武器分開。

計算示例如下： https ： //support.google.com/analytics/answer/2846882

我希望它可以幫助您更好地了解Google如何計算獲勝者。