For AI agents: a documentation index is available at /docs/llms.txt. Append .md to any page URL for markdown, or send Accept: text/markdown.
주요 용어
주요 실험 용어 집합
| 기간 | 정의 |
|---|---|
| 할당 이벤트 | 등록 이벤트의 다른 이름입니다. |
| 대상자 | 실험의 대상이 되는 사용자 그룹입니다. Amplitude는 일반적으로 이 오디언스를 '대조군'과 '변형군' 그룹으로 균등하게 분할합니다. |
| 기준 전환율 | 이 실험 이전의 주요 성공 지표의 현재 비율입니다. |
| 본페로니 보정법 | 다중 비교 문제(다중성 또는 룩 엘스웨어 효과라고도 함)를 해결하는 통계 기법입니다. |
| 신뢰 구간 | 관심 있는 매개변수를 포함하는 그럴듯한 값의 범위입니다. 추정할 매개변수는 실험군과 대조군 대상 구간 평균의 차이입니다. 예를 들어 신뢰 수준이 95이고 동일한 실험을 100회 실행한 경우 각 실행의 신뢰 구간에는 최소 95회 참 매개변수가 포함됩니다. |
| 신뢰도/유의성 수준 | 거짓 양성의 확률입니다. 예를 들어 신뢰 수준이 95%일 경우 실제 변경이 없을 때 성공 지표에 대한 변경을 감지할 확률은 5%입니다. |
| 등록 이벤트 | 사용자나 고객을 등록된 참여자 또는 구성원으로 전환시키는 이벤트입니다. |
| 노출 이벤트 | 사용자가 실험을 기반으로 한 변경을 보았을 때를 나타내는 이벤트입니다. |
| 가드레일 지표 | 성공 지표를 높이는 동안 회귀로부터 보호하려는 지표입니다. 예를 들어 사용자가 귀사의 비즈니스 제품을 무료 체험하도록 유도할 경우 귀사의 소비자 제품에 대한 체험은 반대 지표로 사용될 수 있습니다. 비즈니스 테스트가 증가하면 소비자 테스트가 감소합니다. 순 효과가 긍정적인지 확인하십시오. |
| CUPED | 기존 데이터를 사용한 통제된 실험(CUPED)은 실험의 분산을 줄이는 선택적 통계 기법입니다. |
| 가설 | 문제 진술을 해결하거나 완화시킬 수 있는 방법에 대한 가정과 이러한 방법의 배후에 있는 이유입니다. |
| p-값 | 치료와 통제 대상 구간 차이가 없다고 가정할 때 본 것과 동일하거나 그 이상인 데이터를 관찰할 확률입니다. |
| 페이로드 | 변형에 첨부된 변수입니다. 페이로드를 사용하여 코드를 변경하지 않고 원격으로 플래그를 변경하고 실험할 수 있습니다. |
| 주요 성공 지표 | 이 실험을 실행하여 이동하려는 주요 지표입니다. 이상적으로 고객과 비즈니스 모두의 성공을 이끌어냅니다. |
| 문제 설명 | 귀하가 해결하려는 내부 비즈니스 또는 사용자 문제에 대한 설명입니다. |
| 주요 지표 | 목표에 대한 실험을 평가하는 정량적 측정값입니다. 주요 지표는 가설이 채택되는지 기각되는지, 그리고 실험이 성공했는지 실패했는지를 결정합니다. |
| 런타임 | 변형별로 필요한 샘플 크기와 트래픽 수준에 따라 실험을 실행하는 데 걸리는 시간입니다. |
| 롤아웃 비율 | 이 변형을 수신하는 대상 사용자의 비율 또는 수입니다. |
| 표본 크기 | 통계적 유의성을 안정적으로 감지하기 위해 각 실험 변형에서 필요한 사용자 수 또는 트래픽 양입니다. |
| 2차 성공 지표 | 이 실험을 통해 변화할 것으로 예상되는 추가 지표입니다. |
| 순차 테스트 | 표본 크기가 사전에 고정되어 있지 않은 통계 분석입니다. 순차 테스트를 통해 A/B 테스트를 수행하고 결과를 검토하며 위양성을 높이지 않고 테스트를 종료할 수 있습니다. |
| 통계적 검정력 | 감지할 변경 사항이 있을 때 성공 지표에 대한 변경을 감지할 확률입니다. |
| T 검정 | 두 데이터 집단의 대상 구간 평균을 비교하여 차이가 통계적으로 유의미한지 여부를 결정하는 통계 분석입니다. |
| 목표 상승력 / 최소 감지 가능 효과(MDE) | 이 실험의 결과로 주요 성공 지표에 영향을 줄 것으로 예상되는 변화의 비율입니다. |
| 제1형 오류 | 치료와 통제 대상 구간에 통계적으로 유의미한 차이가 존재하지 않을 때 이를 잘못 분류하는 행위. |
| 제2형 오류 | 차이가 있을 때 치료와 통제 대상 구간에 차이가 없다고 잘못 분류하는 것. |
이 내용이 도움이 되었나요?