以轻松挑选样本和数据以获得您想要的答案。 小样本量 在转换优化中，很容易被小样本所迷惑。它通常以庆祝案例研究的形式出现，其中公司 将转化率提高了 。正如 定律所暗示的，如果数据太令人惊讶，则可能有问题。 实验中通常就是这种情况。正如 创始人 在之前的博文中所说： 窥视拉贾： 所以你进行了 击败 的测试，这是一个令人印象深刻的提升 可能是 、 甚至 。然后你看看绝对数字 你会发现样本量大约是 位访客。如果 好 ，则转化率可能是 比 因此，当我们将这些数字输入计算器时。
我们绝对可以看出这
有多么重要 但是 控制住你的马匹。计算统计显着性是一种代数练习，它并没有告诉你现实是什么。 问题在于，由于样本量非常小只有 名访客，如果您继续进行实验并增加样本，它很可能会发生巨大变化（提升要么消失，要么变得更小，向均值回归。 这就是 英国电邮清单 为什么您会看到精明的营销人员在缺少数据或看起来太荒谬而不真实的情况下进行案例研究。这就是为什么关于 或 的案例研究是一个问题，特别是对于尚未形成强硬、愤世嫉俗的世界观的新营销人员来说他们实际上会质疑结果。
要解决这个问题首先
要检查自己的数据不要发布垃圾案例研究。但在消费方面，总是对其他人的测试结果持怀疑态度，尤其是当他们看起来好得令人难以置信时。 不具代表性的样本 调查是使用不具代表性的 便利 样本（和小样本）的主要原因。这就是为什么您在查看态度调查的结果时应该特别怀疑（ 的人说 。 的作者 在博客中举了一个虚构人物 的例子，她需要为大学课程做研究： 问题 如果她把这个发给她的朋友并请他们分享，它不会代表大学的人口，只代表她的朋友，也许是她朋 急诊室清单 友的朋友这是因为她比其他人更有。
