VIP20
本课程属于：046-反欺诈图谱阈值分层试验 金融科技风控与量化工程 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

阈值分层试验Champion Challenger教程

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导论
什么是Champion Challe… · 阈值分层试验的定义与核心价值 · 适用业务场景
课程导论Champion
02
试验基础概念
对照组(Champion)与实验组(… · 随机化与分层抽样的区别
试验基础概念Champion
03
阈值分层原理
基于用户行为/属性分数设定阈值 · 将用户分为高 · 中
阈值分层原理基于用户行为
04
试验设计流程
定义目标指标 · 确定分层变量 · 设定阈值
试验设计流程定义目标指标
05
分层变量选择
连续变量（如消费金额 · 活跃天数）与分类变量（如用户等级 · 渠道来源）的选择标准
分层变量选择连续变量
06
阈值设定方法
基于百分位数 · 业务经验 · K-means聚类
阈值设定方法基于百分位数
07
流量分配策略
均匀分配（50/50） · 按层加权分配 · 动态分配（Multi-armed B…
流量分配策略均匀分配
08
样本量计算
基于显著性水平 · 统计功效 · 最小可检测效应量计算每层所需样本量
样本量计算基于显著性水平
09
假设检验基础
零假设与备择假设 · 第一类错误与第二类错误 · P值解读
假设检验基础零假设
10
统计检验方法
独立样本t检验 · Mann-Whitney U检验 · 卡方检验在分层试验中的应用
统计检验方法独立样本t检验
11
多重比较问题
Bonferroni校正 · Holm-Bonferroni方法 · FDR控制在多层试验中的必要性
多重比较问题Bonferroni
12
指标选择
核心指标（转化率 · 客单价 · 留存率）与辅助指标（点击率
指标选择核心指标
13
数据收集与埋点
事件追踪设计 · 数据清洗 · 异常值处理
数据收集埋点
14
Python环境搭建
安装Python · pandas · scipy
Python环境搭建
15
数据模拟与预处理
使用numpy生成模拟用户数据 · 构建分层特征 · 添加标签
数据模拟预处理
16
阈值分割实现
基于pandas的cut/qcut函… · 可视化各层分布
阈值分割实现pandas
17
Champion Challenger分组
根据用户ID哈希或随机数进行分组 · 确保分组均衡
ChampionChallenger
18
分层指标计算
按层和组别计算均值 · 标准差 · 样本量
分层指标计算按层
19
假设检验代码实现
使用scipy进行t检验 · 计算P值 · 判断显著性
假设检验代码实现scipy
20
多重比较校正代码
实现Bonferroni校正 · 输出校正后的显著性判断
多重比较校正代码Bonferroni
21
结果可视化
绘制各层Champion vs Ch… · 误差线图
结果可视化Champion
22
阈值敏感性分析
调整阈值上下浮动5%-10% · 观察结论是否稳健
阈值敏感性分析调整阈值上下浮动…
23
案例实战一
电商促销活动——基于用户历史消费金额… · 测试新优惠券策略
案例实战一电商促销活动
24
案例实战二
金融风控模型——基于信用评分阈值分层 · 测试新审批规则
案例实战二金融风控模型
25
案例实战三
内容推荐系统——基于用户活跃度分层 · 测试新推荐算法
案例实战三内容推荐系统
26
常见陷阱与规避
辛普森悖论 · 数据窥探 · 早停问题
常见陷阱规避
27
试验平台化思考
自动化分层 · 实时监控 · 自动停止规则的设计思路
试验平台化思考自动化分层
28
与普通A/B测试对比
阈值分层的优势（个性化 · 降低风险）与劣势（复杂度 · 多重比较）
A/B普通
29
进阶扩展
连续阈值试验（贝叶斯方法） · 动态阈值调整 · 强化学习结合
进阶扩展连续阈值试验
30
课程总结与最佳实践
试验检查清单 · 报告模板 · 团队协作建议
课程总结最佳实践