A/Bテスト〜統計的仮説検定による評価【Python・エクセルによる実践】

Description

ビジネスにおいてA/Bテストは、データを元に意思決定をするための非常に強力な手法です。

施策の効果や、WEBサイトのデザインなど、何かを比較したいケースは多々あると思いますが、そのようなときに正しくA/Bテストをデザインし、結果を評価できるようにするためには、いくつか注意ポイントもありますし、数学的な知識も少し必要です。

そのため、本コースではA/Bテストの方法はもちろん、データを比較する際に気をつけるべき「バイアス」や、必要な統計学について幅広く学び、A/Bテストのデザインから実践、評価までをできるようになりましょう！

A/Bテストは高度なスキルを持ったデータサイエンティストやデータアナリストが実施するものという認識もあるかもしれませんが、その一方で、人手が足りなかったり、A/Bテストに評価が必要という考えもなかったりする組織もあるため、企画やマーケティング担当などの方がディレクションから評価まで行うこともあるでしょう。

したがって本コースでは、A/Bテストを学んだことがないデータサイエンティストやアナリストの人に加え、企画やマーケティングなどを担当する方々にもぜひ受講いただき、A/Bテストの基本概念を学んでいただけると幸いです。

統計的についての動画もありますが、難しければスキップしていただいても構いません。大事なことはそのような評価の手法があるということです。

本コースの終盤では、エクセルとPythonを用いて簡単にA/Bテストの評価、仮説検定と信頼区間の推定を行いますので、興味がある方はどちらかぜひ実施してみてください。

内容

• データを比較する時の注意点（バイアス）

• A/Bテストの基礎知識

• 統計学の準備（確率分布、標本、信頼区間、仮設検定、サンプル数）

• A/Bテストを実施する前に考えること

• A/Bテストの実施手順

• A/Bテストの評価と統計学

注意事項

• 本コースは統計的仮設検定を元にしたA/Bテストを題材にするため、ベイズ統計を元にしたA/Bテストは行いません

• できるだけ短時間で学ぶことを考えているため、理論や詳しい話は割愛している部分もあります

• Pythonの環境設定などは行いません。Python環境がないが、実施してみたい方は、Google Colaboratoryを使うと簡単です

• A/Bテストを行うためのエンジニアリング・システムアーキテクチャなどのコースではありません

• エクセルはMac版を使っているため、少しWindows版と画面が異なるかもしれません

TAKE THIS COURSE