[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-statistical-significance::ru":3,"gloss-cluster-statistical-significance::ru":23,"gloss-next-statistical-significance::ru":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"statistical-significance","analytics","Статистическая значимость","Статистическая значимость — утверждение о том, насколько легко наблюдаемое различие могло возникнуть случайно, если бы настоящего различия не было вовсе. Обычная процедура считает p-значение — вероятность увидеть результат не менее экстремальный при этом допущении — и называет результат значимым, когда оно оказывается ниже заранее выбранного порога, как правило 0,05. Это защита от того, чтобы обмануться шумом, и её регулярно читают неверно. Стоит назвать три ошибки. P-значение не есть вероятность того, что ваше изменение работает, а значение выше порога не является доказательством, что оно не работает: чаще всего оно означает, что выборка была слишком мала, чтобы различить. Значимость не равна величине: при достаточном трафике различие, слишком малое, чтобы иметь коммерческий смысл, преодолеет любой порог — поэтому оценка эффекта с доверительным интервалом полезнее для решения, чем вердикт «да\u002Fнет». И значимость относится к тому тесту, который вы запланировали, а не к тому, который нашли: ежедневные проверки с остановкой на пересечении линии или сравнение двадцати сегментов с публикацией того, что прошёл порог, дают ложные срабатывания намного чаще, чем подразумевает порог. Практическая дисциплина: зафиксировать основную метрику, размер выборки и длительность до старта; сообщать оценённый эффект и интервал вместо голого вердикта; относиться к находкам по сегментам как к гипотезам для будущего теста, а не к результатам. Повторные проверки на одних данных требуют явной поправки, а значимый, но крошечный результат — повод посмотреть на цену его внедрения.","Статистическая значимость показывает, легко ли случайность объясняет результат: три частые ошибки чтения и почему размер эффекта важнее вердикта.",null,[11,14,17,20],{"slug":12,"name":13},"ab-testing","A\u002FB-тестирование",{"slug":15,"name":16},"conversion-rate-optimization","Оптимизация конверсии (CRO)",{"slug":18,"name":19},"cross-validation","Перекрёстная проверка",{"slug":21,"name":22},"product-analytics","Продуктовая аналитика",[24,26,29,33,36,39,42,45,48,51,54,57],{"slug":12,"category":5,"name":13,"updated_at":25},"2026-08-24T02:46:38+00:00",{"slug":27,"category":5,"name":28,"updated_at":25},"active-user","Активный пользователь (DAU, WAU, MAU)",{"slug":30,"category":5,"name":31,"updated_at":32},"autocapture","Автозахват (Autocapture)","2026-08-24T02:46:37+00:00",{"slug":34,"category":5,"name":35,"updated_at":25},"cost-per-resolution","Стоимость решения обращения (cost per resolution)",{"slug":37,"category":5,"name":38,"updated_at":32},"customer-data-platform","Платформа клиентских данных (CDP)",{"slug":40,"category":5,"name":41,"updated_at":25},"deflection-rate","Доля самообслуживания (deflection rate)",{"slug":43,"category":5,"name":44,"updated_at":25},"guardrail-metric","Метрика-ограничитель",{"slug":46,"category":5,"name":47,"updated_at":32},"identity-resolution","Разрешение идентичности (Identity Resolution)",{"slug":49,"category":5,"name":50,"updated_at":32},"multi-touch-attribution","Многоканальная атрибуция (Multi-Touch Attribution)",{"slug":52,"category":5,"name":53,"updated_at":25},"novelty-effect","Эффект новизны",{"slug":55,"category":5,"name":56,"updated_at":32},"retention-curve","Кривая удержания (Retention Curve)",{"slug":58,"category":5,"name":59,"updated_at":25},"sample-ratio-mismatch","Расхождение долей выборки (SRM)"]