统计功效是什么
通过前面的文章，我们已经了解，A/B实验背后的统计学模型是（双样本）假设检验。同时，由于实验时存在抽样误差，我们的实验总会“犯错”。而统计学可以告诉我们，我们可能会犯什么错，以及有多大几率犯错。
假设检验过程中，我们可能犯的两种错误分别是：第一类错误（弃真）、第二类错误（取伪）。
第一类错误 的表现是： 我的策略其实没用，但是实验结果却显示我的策略有用 。显著性水平刻画了实验者出现此类错误的概率，即在原假设正确的前提下拒绝原假设的概率。
在实验中，我们也可能会出现另一种情况： 我的策略其实有用，但是我没有检测出来 。这便是统计学中 第二类错误 的表现。也就是说，在原假设是错误的前提下，实验者也可能会接受原假设，这在统计学中被称为第二类错误。这种错误的概率被记为 β。 而统计功效（power，也被称为检验效力），被定义为1- β ，表示的是“ 假设我的新策略是有效的，我有多大概率在实验中检测出来 。”
统计功效的理论依据
现在我们举个例子，尽可能直白地解释一下统计功效到底是怎么一回事。
PS：如果认为理论部分过于难理解，也可以选择直接越过此小节，阅读后面的实操部分。
假设现在我们要进行一组实验，我们认为：将旧策略A调整至新策略B，能够将用户的人均观看时长提升3%。从假设检验的角度去分析我们要进行的实验可以得出，在这组实验中：
原假设=新策略B没用
备择假设=新策略B有用
同时，通过前面的学习我们也了解到：实验中我们不断抽样所得出的样本均值，大致会呈现正态分布。接下来看看下面这张图。
图中，左侧钟形曲线代表原假设成立时，经抽样统计，平均阅读数所呈现出的分布形态。这条曲线对应的策略实际上是“旧策略A”。假设旧策略A生效时，用户平均阅读数的真值为25s（意味着钟形曲线的中轴线在横轴上对应的值是25）；且在这一分布中，当平均阅读数均值超过25.718s时，我们会拒绝原假设，认为新策略B有效。那么。从图中来看，深灰色区域即拒绝域。
说完了左边的，我们再来看看右边的。右边钟形曲线对应的策略是新策略B。我们现在假设这一策略生效时，用户的人均观看时长真值是25.75s（即右侧钟形曲线的中轴线，在横轴上对应的值是25.75）。
先来想一下，右边钟形曲线的真值为25.75，落在旧策略A的拒绝域里，这意味着什么呢？这意味着， 理想状态下，新策略B其实是有效的 。但是，通过前面文章的学习，我们也知道，在对新策略B做抽样统计时，由于抽样误差，我们得到的平均阅读数均值大概率不会是25.75。看到图中横轴上的蓝色区域了吗？如果对新策略B做抽样统计时，其平均阅读数均值可能是蓝色区域内的任意一个数字。
- 假如在统计时，新策略B的样本均值，落在原策略A的拒绝域之中或者拒绝域右侧。此时我们可以得出结论：拒绝原假设，新策略B是有用的。
- 假如新策略B的样本均值<25.718，对应上图，此时样本均值落在图中浅灰色的范围内。此时，由于样本均值并不在原策略A的拒绝域之中，所以我们没办法拒绝原假设，也就无法证明新策略B是有用的。
我们在前面已经讲到过，新策略B在抽样检验中，它的真值实际落在原策略A的拒绝域里。理论上来说，新策略B实际上是有效的。但是，如果新策略B进行抽样统计后，样本均值<25.718，我们便无法出检验出新策略B有效。这就犯了我们所说的 第二类错误 ：“ 我的策略其实有效，但是我没检验出来 。”
在上面的图中，浅灰色区域就是我们犯第二类错误的域，其面积占右侧钟形图形面积的比率，就是我们犯第二类错误的概率。这一概率被记作 β 。在图中的例子里， β 的取值为47%（计算过程就不展示了）。也就是说，在上面的例子里，即便我的新策略B有效，我仍有47%的概率没法检验出它是有效的。而统计效力=1- β =53%。这代表着我有53%的概率可以检测出新策略B是有效的。
统计功效在A/B测试中的使用
相对于显著性水平来说，统计效力更难让人理解。为了让大家在实验中更方便地应用统计功效，A/B测试平台引入了一个额外参数：检验灵敏度（MDE）。“检验灵敏度”，指我们所关心的指标，在实验中可检测出来的最小提升值。这个提升值越小，也就意味着检验越灵敏。
灵敏度来和统计效力有什么关联呢？抛开理论知识，从直觉上来看，A/B实验应该遵从以下两个事实：
- 新策略的效果越大，越容易被检验出来；
- 样本的数量越多，检验能力越强，越能分辨新旧策略间细小的不同。
换句话说：
- 新策略的效果越大，检验所需的灵敏度越低（意味着检验灵敏度的取值更大。灵敏度10%和灵敏度1%相比，10%灵敏度低），同时实验结果出现显著的概率越高，实验的统计效力也就越大；
- 实验调用的样本数量越多，其灵敏度也就越高。
那么，在实际的实验操作中，灵敏度（或者说统计效力）有什么应用场景呢？
No.1 实验不显著，要不要结束实验
这几乎是每个实验操作者都会遇到的问题：辛辛苦苦做了个实验，数据是涨了一点，但是实验结果不显著。咋办？现在把实验停了，换新的思路？还是让实验再跑一段时间，这会不会影响实验结果的可信性，在这个问题上，“灵敏度”就能帮你了。
注意
灵敏度会随实验的样本量增加、运行时长增长而越来越灵敏（灵敏度数值越来越小）。理论上，只要你的A/B实验跑的时间足够长，样本足够多，实验总会显著的。
当实验结果不显著时，实验者可以在实验报告中查看当前实验中，我们所关注的指标的MDE是多少，并判断灵敏度是否大于指标的预期提升值。
如果指标的灵敏度比预期提升值大，那么我们可以将实验延长几天，再观察一段时间；如果灵敏度已经比预期提升值小了，那么很遗憾，我们的实验结果没有置信的可能了，另起炉灶吧。
为什么要这样做呢？我们举个例子。如果在一个实验中，我期望我的新策略将平均阅读数提升3%。经过一段时间的实验后，我发现新策略下平均阅读数提升了2.5%（虽然没有预期中好，但也不错），实验结果不置信。按图索骥，此时我们应该查看平均阅读数这一指标的检验灵敏度：
- 如果灵敏度>3%，意味着可能你的实验可能会有3%的显著提升，只是灵敏度还不够，我们还没检验出来。所以我们可以再将实验延长一段，让更多样本进入实验，使得实验更灵敏；
- 如果灵敏度<3%，意味着现在的灵敏度已经足够检测出3%的显著提升了。但是现在你的实验还是不显著，那么也许是你的策略真的没那么有用。我们该再选个新策略了。
No.2 实验还没开，到底要多少流量
前面的例子里，当一定流量进入实验后，我们可以了解到实验的灵敏度。反过来讲，如果用户愿意指定自己需要的灵敏度，A/B测试同样可以推算出实验需要多少流量。
使用这一功能的操作也很简单。在新建实验第四步-“设置目标受众”时，在“流量分配”的步骤中，可以点击“算一算开多少流量合适？”，进入到实验流量建议工具，输入相关信息后，A/B测试就可以轻松计算出，实验总共需要多少流量。
「如何确定灵敏度MDE大小」
在这里我们也会面临一些问题：我怎么确定自己需要多大的灵敏度呢？其实这相当于，我们需要知道：在目前的实验策略下，我所关注的指标最低提升百分之多少，我才能够接受。
如果我们想上线（全量发布）一个新策略，我们需要考虑到开发成本、上线成本、潜在风险等等问题。这时我们需要从产品层面去思考：指标要提升多少，才能覆盖我上线这个新策略所要付出的成本。假如我认为：“新策略至少要让人均阅读数指标提升1%，否则新策略就不值得全量上线。”那么，我们预期提升值的最低值就是1%，我们在实验中所需的灵敏度也应当是1%。
在实验前，我们必须明确自己的实验目的、具体的指标，以及指标预期的提升值是什么。灵敏度，应该与我们指标预期的最低提升值相同。
「灵敏度不可过高/过低」
同时，我们也需要指出，灵敏度太高或者太低，都有其弊端（也可以理解为，指标的预期提升值定的太高或太低都不好）。
- 灵敏度太低（MDE取值过大）
过低的灵敏度（比如理论上指标提升1%收益就很大了，但我们却将灵敏度设置为5%），可能导致我们与有潜力的策略失之交臂。
- 灵敏度太高（MDE取值过小）
设置过高的灵敏度，一方面会导致调用过多流量，形成不必要的流量浪费；另一方面，过大的流量往往会使指标更轻易地形成显著，但其实这种显著并没有实际意义。
还记得我们前面说的吗，理论上来说，只要样本足够多（比如无穷多时），实验组和对照组之间任何一点差异都会形成统计显著。这就像是一个哲学问题，策略A和策略B，无论他们多相像，但终归是不一样的，终归会造成实验结果的差异。但这种差异的显著有意义吗？比如新策略使指标提升0.001%，且统计显著，这真的有意义吗？
综上，灵敏度的选择，要结合每个实验场景的实际情况，慎重判断。