获取该结果并将结果与

​​趋势线的预期结果进行比较。确保您使用独立变量作为基础（例如用户），以便您可以了解您可能去过的地方与您现在所在的地方。 相关性与因果关系 图片来源：相关性与因果关系 任何可以近似因果信息的东西总比没有好，但出现 类或 类错误（分别为 假阳性 和 假阴性 ）的可能性要高得多， 安德鲁说。 不完美但聊胜于无。 通过漏斗的各个阶段衡量影响 根据 的说法，另一种方法是尝试 衡量优化对漏斗各个阶段的影响说这些是你的阶 第步点击从电子邮件到网站。

第二步将商品加入购物车

步去结账 第四步购买 您可能没有足够的数据来实际衡量第 步的差异但正如 所说 您通常可以从步骤 推断出有关步骤 的数据（即，如果您对达到步骤 的人的百分比产生了重大影响，那么 很可能 （但不能保证）您增加了转化率）。有严格的统计方法 丹麦手机号码清单 来估计这一点，但它们又有点难以做到。 将一小部分流量发送到一致的基础 以下是卢卡斯 维米尔 在之前的引述中所说的数据科学家 如果你真的想知道，你可以通过将所有流量的一小部分发送到一个始终稳定的基数来。

做到这一点这个基数永远

不会改变它会告诉你你的网站现在的性能比以前好多少。 通常这在技术上是困难的，但可能需要阐明不作为 不测试的成本。 将总流量的 的一小部分发送到一致的控件似乎是跟踪优化影响的最准确方法。无论如何，这是我最常从专家优化人员那里听到的方法。 解释了这是如何工作的： ： 衡量一系列优化的 的唯一真正可靠的方法是使用 集。我们的一个限代理合作伙伴计划与其所有客户一起拒绝优化 以上的流量。然后他们会比较他们 的流量和 SGB目录 剩下的 的流量差异只要它。