Knowledge CenterどこどこJP ナレッジセンター

どこどこJPに関するQ&Aや
技術に関する記事を掲載しています。

どこどこJPに関するQ&Aや技術に関する記事を掲載しています。

  • WordPressプラグイン
  • DocoDoco GeoTargeting plugin

A/Bテスト:結果の差を評価する方法

目次

ABテストとは?

ABテストでは、2つの異なるパターンを用意します。これを「AとB」と呼びます。例えば、あるページのボタンの色を**青(A)赤(B)**にして、それぞれのパターンでどちらが多くクリックされるかを調べます。

AとBの結果をどう評価するの?

例えば、青いボタン(A)は100人中5人がクリックし、赤いボタン(B)は100人中6人がクリックしたとします。この場合、Aのクリック率は5%、Bは6%です。一見すると、Bの方が良さそうに見えますが、これが本当に意味のある差なのか、ただの偶然かを確認する必要があります。

そのために使うのが正規分布差の評価です。正規分布というのは、データがどのようにばらついているかを示すものです。AとBそれぞれのクリック率を正規分布として表現し、これらの分布の差が0以上になるかを確認することで、BがAよりも良い結果をもたらす確率を計算します。この確率が改善信頼率です。

改善確率の計算の仕組み

この計算の方法を少し説明しますが、簡単なステップで理解できます。

  1. AとBのクリック率を確認する:例えば、Aは5%のクリック率、Bは6%です。ここではAとBのクリック率が違うのは明らかですが、その差が偶然かどうかを確認したいです。
  2. 差を計算する:Bの6%からAの5%を引くと、差は1%です。次に、この差が0以上になる確率、つまり「BがAよりも良いか同じかの確率」を求めます。
  3. 正規分布を使って確率を求める:AとBのデータに基づいて、正規分布という数学的なツールを使い、その差が偶然の誤差ではなく、本当に意味のある改善かどうかを計算します。この計算から、「Bが90%の確率でAより良い結果をもたらす」といった具体的な確率が得られます。

この「改善確率」が高ければ、Bの方が確実に効果が高いと判断できます。逆に、確率が低ければ、AとBの違いは単なる偶然かもしれません。

例えで理解しよう

例えば、あなたが2種類の広告を使って実験を行い、Aの広告はクリック率が5%、Bの広告は6%だったとします。Bの方が良いように見えますが、その差が偶然ではなく、実際に「効果がある」と判断するには、先ほどの方法で差が0以上になる確率を計算します。

もしその確率が高ければ(たとえば90%以上)、Bの方が確実に効果が高いと言えます。

なぜこの方法が重要か?

ABテストでは、少ないデータや偶然の結果で判断してしまうと誤った結論を出してしまうことがあります。正規分布と確率を使った評価方法では、そのリスクを減らし、確かなデータに基づいた判断ができます。

結論

ABテストは、ウェブサイトやアプリの改善に欠かせない手法です。そして、AとBの差を正規分布に基づいて評価することで、その結果が本当に意味のある改善なのかを判断することができます。これにより、より効果的な改善を行うことができるようになります。

一覧にもどる

目的別で探す