Frequentist

نهج إحصائي يقوم على تقدير معاملات نموذج ما (المتوسط، معدل التحويل، إلخ) بالاعتماد فقط على البيانات المرصودة، دون استخدام معلومات مسبقة. ويستند إلى مفاهيم مثل الفرضية الصفرية، واختبارات الدلالة، وقيم p وفترات الثقة، ويُعد النهج التقليدي في التحليل الإحصائي.

في A/B testing وCRO:

يُستخدم النهج الـFrequentist تاريخياً في العديد من حاسبات الثقة الخاصة بـA/B testing لتحديد ما إذا كانت الاختلافة تُحدث تأثيراً دالاً إحصائياً أم لا.

يسعى هذا النهج للإجابة عن السؤال التالي:

“إذا لم يكن للاختلافة المُختبرة أي تأثير حقيقي، فما احتمال الحصول على نتيجة كهذه بمحض الصدفة؟”

لكن هذا النهج يرتكز على شروط صارمة:

• حجم عينة كافٍ،
• احترام مدة الاختبار (نظراً لمخاطر التوقف المبكر)،
• تفسير تقني للنتائج (قيمة p لا تعني احتمال أن تكون B أفضل).

الحدود في سياق CRO:

• اختبارات غالباً ما تكون أطول بسبب ضرورة بلوغ حجم عينة محدد مسبقاً،
• أقل سهولة في الفهم بالنسبة للفرق غير التقنية،
• أكثر عرضة لأخطاء القراءة أو لممارسات محفوفة بالمخاطر مثل p-hacking،
• لا يُعطي مباشرة احتمال أن تكون إحدى الاختلافات أفضل.

الاتجاه الحالي: التحول نحو النهج البايزي

في مجال CRO، بات النهج الـFrequentist يُهمَل أكثر فأكثر لصالح الإحصاء البايزي، الذي:

• يوفر نتائج قابلة للاستغلال بشكل أسرع،
• يتكيف ديناميكيًا مع حجم العينة،
• يتيح تقدير احتمال تفوق أحد المتغيرات بشكل مباشر،
• يسهّل اتخاذ القرار لدى فرق المنتج والتسويق.

تعتمد منصات مثل VWO وConvert وOptimizely (الإصدار الجديد) أو AB Tasty (الوضع البايزي) اليوم على محركات إحصائية بايزية لتسريع التحليل وتقليل أخطاء التفسير.