一龍馬/AI 情報站讀懂消息背後的脈絡
星期二
搜尋

作者的核心不是反對量測,而是說多數團隊不了解資料如何收集、在哪裡失效,也缺乏正確分析 A/B test 樣本數、卡方檢定與統計 power 的能力

中文摘要

這篇 2020 年文章批評行銷產業過度依賴品質很差的資料:作者列舉廣告阻擋器會讓 JavaScript 網站追蹤失真、email open rate 只是伺服器被請求、不等於人真的打開信件,並指稱 Facebook 與廣告交易平台等黑箱會給出錯誤或可疑的成效資料。作者的核心不是反對量測,而是說多數團隊不了解資料如何收集、在哪裡失效,也缺乏正確分析 A/B test 樣本數、卡方檢定與統計 power 的能力。HN 討論中有人用「商業資料是為商業目的,不是科學目的」替現實辯護,也有人反駁若資料導向詐欺流量或錯誤預算分配,對真正要增加營收的企業就是壞資料。

一龍馬判讀

做成長、廣告投放、產品分析的人需要把指標當成有偏差的儀器,而不是決策真相;否則模型、儀表板與 AI 分析只會把錯誤資料包裝得更有說服力。文章是評論性質,個別平台指控需另查證,但它指出的量測失真風險很實際。

原文節錄

Hacker News · zbentley

Marketers are Addicted to Bad Data | Jacques Corby-Tuech Jacques Corby-Tuech writing reading links work 7 November 2020 Marketers are Addicted to Bad Data…

取得部分原文 · 不代表內容已獨立查證

查看原文 閱讀社群討論
完整收錄文字與來源

Marketers are Addicted to Bad Data (2020)

收錄日期
2026-08-18
來源
Hacker News Firebase API
抓取時間
2026/08/18 05:40(台北)
來源資料
28 分 · 33 則討論