A/B testing
Testy A/B opisuję od strony analityka, który odpowiada za wynik. Tu są wpisy o tym, jak zbudować test w GTM i Firebase bez płatnego narzędzia, jak czytać moc, MDE i p-value i jak policzyć dane do planu testu z GA4 w BigQuery. Wspólny wniosek: test jest tak wiarygodny, jak definicja użytkownika i konwersji pod nim.
-
Dane do testu A/B z GA4 w BigQuery — plan przed startem
Jak policzyć dane do testu A/B z GA4 w BigQuery: użytkownicy i konwertujący na tydzień w oknach narastających oraz przychód tygodniowy do planu testu.
-
Testy A/B dla analityków — moc testu i dwa podejścia
Testy A/B dla analityków: macierz błędów (typ I i II), moc i MDE, metryka OEC, podejście bayesowskie vs częstościowe i pułapki, które unieważniają wynik.
-
Własne testy A/B w GTM i Firebase — bez dedykowanego narzędzia
Własne testy A/B w GTM na first-party cookie (web) i w Firebase Remote Config (mobile) — od losowania wariantu po analizę konwersji i przychodu w GA4/BigQuery.