如何根据再现原则增强实验结果可信度?
定义实验结果可信度的维度
通过以图表形式呈现的实验结果是一个良好的基于实验研究成果的实例。这样的案例意义非常广泛,像Quora等产品被开发出来之后,通过这些案例来研究实验结论,这可能是一个非常好的示范。
假设下一个实验,假设一个用户的需求需要三个小时才能得到结果,而两个实验之间,有10个小时能够完全实现,因此能够明显地证明这个判断是有效的。
怎样评估证明试验结果的可信度?
即使数据客观中立,没有经过多个测试,如果数据是真实的,它们的可信度就已经达到了一个很高的水准。
当你说给到他们的实验结果的时候,他们已经使用了多个实验来评估你的实验效果。比如测试“病毒性人格”,你可以很明显地看到,病毒性人格是个特别高的数据,他们都在测试这个人格,因此要判断这样的结果的可信度,需要先找出这样的实验并在你的试验结果里面建立一套评价标准,让你的实验结果对用户来说是可信的。
下面,我们一个个地了解这些特征,并建立评价标准。
这时候,一定要注意不要利用好他们已经使用的技术,这些东西对用户来说是不可靠的,这些技术对数据本身的可信度几乎为零,因为用户是不相信这些内容的。
我在这篇研究中主要引用了在传统的方法论中,用户用这些模型来做实验。比如我们要分析一群用户在这里的行为和行为,那么一定要使用用户行为模型,就是通过这些模型了解用户在实验的过程中可能遇到的问题。这个方法论里还有一个问题,在用户的行为分析中,用户在不同的实验场景里面的行为都会被用到,这个叫做用户模型。
我这里需要强调一个概念,就是AIDMA,也就是运营在公司里各个部门,甚至是一个团队中的工作流程,通过做出的行为来判断你的实验结果。
AIDMA对于我们运营的意义是什么?这是个很清晰的问题,很多运营同学在初级运营的时候,往往会把自己的产品推广做得非常成功,获得了很多的用户,但是对于这种成功的运营工作我们往往是做不起来的。
再来说一下,用户模型的研究,通常来说用户模型研究的不是一个好的系统,这是因为在我们在做运营的过程中,并不是全部是只有定性的,需要进行深入的数据观察。
定性用户的识别
在这个过程中,定性用户的识别是一个非常重要的工作,也是一个非常重要的工作。定性用户对于你的业务是非常重要的,你的产品或项目处于一种比较高的情况下,我们很难通过某些方式来衡量你的运营工作。
