Формулировка вопроса важнее размера выборки
Две идеально построенные анкеты на выборке в 1 200 респондентов могут дать противоположные результаты — и виноваты в этом не люди, а слова.
Ресурс для тех, кто хочет лучше понимать, как проводятся исследования и как из данных получают практические выводы. Мы объясняем методы опросов, основы аналитики и статистики понятным языком, опираясь на реальную исследовательскую логику.
Объясняем, почему 1 200 опрошенных может быть достаточно, чтобы говорить о взглядах страны, а 50 000 — не всегда.
Разбираем, как структура и формулировки пунктов анкеты меняют результат — и как этим пользуются честные и нечестные исследователи.
Учим отличать значимую связь от шума, корреляцию от причинно-следственной связи и красивый график от содержательного.
Вместо слайдера — лента исследовательских гипотез. Каждая карточка — самостоятельная мысль, с которой стоит спорить или проверять её.
Две идеально построенные анкеты на выборке в 1 200 респондентов могут дать противоположные результаты — и виноваты в этом не люди, а слова.
Статистическая значимость и практическая значимость — разные вещи. Маленький p-value при мизерном эффекте — техническая удача, а не открытие.
Средний чек может вырасти, потому что половина клиентов ушла. Медиана и распределение рассказывают больше, чем арифметическое среднее.
Онлайн-панели дешевле, быстрее и удобнее. Но у того, кто на них не зарегистрирован, тоже есть мнение — и его в данных нет.
Без сопоставимой группы, на которую не воздействовали, любой рост — просто совпадение во времени, а не следствие ваших усилий.
Обрезанная ось, нелинейная шкала, выбор цвета — график сильнее слов, и ошибка в нём чаще остаётся незамеченной.
Контент сайта разделён по четырём устойчивым линиям — каждая со своим визуальным паттерном, чтобы раздел был узнаваем с первого взгляда.
Методология опросов, фокус-группы, панельные и лонгитюдные исследования, дизайн анкет.
Когортный анализ, воронки, ценовые эксперименты, работа с поведенческими данными.
Как из цифр делать выводы, не обманывая себя и читателя. Частые ошибки и способы их избегать.
Вероятности, распределения, корреляция, регрессия, проверка гипотез — на языке практика.
Публикаций пока нет. Мы готовим материалы — загляните позже.
Здесь данные важнее украшений. Мы не обещаем «секретов больших данных» и «магии аналитики» — мы объясняем, как работает исследовательская логика и что делать с цифрой, которую получили.
Научитесь читать отчёты подрядчиков так, чтобы не платить за красивую обёртку вместо содержания.
Разберётесь с повторяющимися граблями: selection bias, p-hacking, подмена метрик.
Получите примеры, от которых в учебниках обычно отмахиваются, со ссылками на источники.