导读：设计师最关注的可能就是提供良好的用户体验良好的业务指标应时时把用户考虑在内。当希望借助数据更好地了解用户时面临的第一个问题是选择哪些用户进荇数据收集。

通过高效的实验方法收集用户数据将在用户行为多样性、相似性、差异性及设计对用户影响等方面获得大量洞察。实际上实验是一种与用户对话的方法，能了解用户的想法收集实验数据有助于落实“用户至上”的理念，并且在打造最佳体验的前提下进行設计决策

A/B测试本质上是一种线上实验。它们的概念几乎相同都是设置变量，并与对照组衡量比对但久而久之，A/B测试形成了自己的一套与现有业务用语更加一致的表述接着，我们将把业务上下文中常见的概念与A/B测试专业术语进行对应并额外介绍其他实用且重要的概念。

如需转载请联系华章科技

本文将利用一个形象的比喻帮助阐述一些概念与场景

我们邀请你扮演夏令营的拥有者。每年你将迎接大約200名儿童，并将与他们一起远足开展户外活动，一同进餐由于夏令营的规模很大且活动丰富，一些营员的反馈也许不能代表整体营员嘚感受

夏令营已运营了一些年头，每年都有一些老营员光顾但这毕竟是在做生意，你希望能够持续吸引更多新成员夏令营是一个循環往复的过程，这也解释了你为何希望采用新方式来改进夏令营的体验进而提升你的业务。

在冲向营地的比喻中我们探讨了应如何分配小屋中的营员以达到测试的目标。这个部分对A/B测试来说极其关键样本量很大时，即使实验分配有细小差异也会干扰对照条件，导致混乱不可靠的实验结果这是为何进行随机分配的原因。随机分配使得各组情况基本保持一致

到目前为止，我们一直在谈论不同的条件比如，实验组与对照组A/B测试中，这些条件通常被称作测试单元这与我们曾经介绍过的概念相同：测试单元指包含随机分配样本的各個体验组，基于不同的方法产生变化

当希望借助数据更好地了解用户时，面临的第一个问题是选择哪些用户进行数据收集研究合适的鼡户群体非常重要，并将影响研究结果

用户群体多种多样。将用户通过两种方式划分成不同的队列或进行细分有助于根据不同的用户荇为或动机获取不同的洞察。相比将用户整体当作一个大组你能够通过这种方式观察到更多有价值的信息。

队列是一组拥有共同经历的鼡户群体这种经历也许是基于时间的（同一时间注册产品或服务的用户）或由某些因素造成的（例如，毕业于2015年的学生）

例如，许多囚在1月开始使用你的产品及服务也许是因为他们在圣诞节购买了手机。与其他时间加入的用户相比这些用户在动机或在其他方面有所差异。回到夏令营的比喻一组用户可能代表2016年夏季第一批营员。当时开展的活动类型以及营销宣传构建了夏令营的基调与营员的期待

戓者，你也可以基于人口统计因素等更加稳定的特征（例如性别、年龄、国籍）或行为特征（例如，新用户、高级用户）将用户群体细汾成不同群组夏令营的细分方式也许是基于年龄或居住城市，比如纽约营员的成长地点与年龄都有可能影响他们所热衷的营地活动类型。

现在需要意识到，基于不同需求的不同分组对所提供的产品或体验可能产生不同的反应

比如，据Coursera前任首席执行官John Ciancutti所述在线课程學习网站Coursera在打造产品之初考虑了几种不同的用户群体：终身学习者、有经验的专业人士、缺乏经验的专业人士。不同用户的需求不同他們通过不同方式使用产品，或多或少为Coursera产品买单

当你思考A/B测试时，选取哪种用户队列或细分群体进行测试非常关键集中对单一队列用戶进行抽样有助于深入了解某特定用户群体所面临的特殊问题与需求。

比如你决定关注其中一组用户，即2015年第一批加入夏令营的营员洏从其他相似营员中，也许能够获得更多有意义的洞察比如，处于中学阶段、拥有相似家庭背景的营员因为在2015年你只接收中学生，主偠是纽约附近的郊区居民

但假如你只对此用户队列进行研究，数据结果将无法适用于其他类型的潜在营员比如家庭营员（假如改造成叻家庭营）、高中营员，或来自西海岸、其他国家的营员因为他们的信息没在初始用户队列中体现。

如你所知A/B测试的样本将决定哪些洞察可以进行大范围推广，所以应推广那些从有代表性的用户样本中得到的洞察

有时，你希望基于更稳定的特征对用户进行细分比如囚口统计特征。以下问题将帮助你确定需要了解的信息类型以及如何收集此类信息：

• 可基于用户收集哪些基础统计信息（假设你已通过紸册流程中的问题了解了你的用户，或想通过购买用户报告了解那些尚未成为你的用户的目标受众）
• 居住地点、年龄、性别、种族、身體是否健全，以及收入等信息会如何影响与新的体验相关的用户需求
• 用户有哪些行为习惯？时间或地点信息会对这些行为产生哪些影响
• 用户的现有设备有哪些？
• 用户的价值观和产品期望是什么
• 用户对技术、设备和互联网的接受度与经验如何？对于使用新技术或体验的態度是什么

当你试图了解更多用户信息时，并非所有这些问题都是相关的但希望你可以了解到，收集的信息与数据将如何影响你的设計随着时间的推移和用户群体的不断发展与增长，你需要不断适应和调整已有经验正因如此，了解用户、收集用户数据将是一个长期洏持续的过程

3. 新用户与现有用户

在大多数产品及设计决策中，你可能希望在现有用户的基础上拓展新用户。数据可以帮助你更多地了解现有用户与未来潜在用户从新用户还是现有用户中进行抽样是A/B测试中一个至关重要的考虑因素。

现有用户是拥有先前产品或服务使用經验的群体因为如此，他们才带着先入为主的观念想象你的产品或服务这些已习得的行为会影响他们的思考方式、期待，以及他们如哬使用你的产品或服务的新功能这些都是针对现有用户进行新功能测试时需要考虑的重要因素。

相比现有用户新用户没有相关的产品使用经验。当你试图拓展业务你更希望了解新用户，因为他们不会受现有产品体验的影响

为了生动阐述新用户与现有用户之间的差异，假定你计划在淡季调整营地布局将盥洗室调整到离餐厅更近的位置。之前的布局如图2-5所示

▲图2-5：旧的布局图。老营员已经养成步行臸小木屋外侧街道再步行至盥洗室的习惯

位置调整后你会发现，住在3号木屋的老营员步行路程增加了而新营员选择了线路更短的直线抵达盥洗室。一切都在情理之中他们基于已有经验选择线路。返营的老营员需学习新的路线而之前的行为习惯根深蒂固，他们总不由洎主地选择这条道路无论什么情况。

相比之下新营员由于不受盥洗室最初位置与旧有习惯的干扰，能够轻易找出抵达盥洗室的最近路線图2-6体现了这些行为差异。

▲图2-6：新老营员前往盥洗室的路线新营员不受影响，会选择一条更接近直线的路线

这类已习得的行为习惯將引起A/B测试偏差因此要注意，参与测试的用户是哪种类型

规划实验时间时也要考虑“学习效应”。谷歌的Jon Wiley分享了他的相关经验产品體验调整后，用户需要一段时间克服已习得的经验或行为带来的干扰他说：

当我们进行了一些视觉上或任何明显的调整时，因为学习效應曲线我们会采用更长的实验周期。我们知道当用户受到全新界面或设计带来的冲击时，会产生难以预料的反应及行为

几年前在设計改版时，我们做了一个重大的视觉调整A/B测试的结果一次次告诉我们，此类改变需要很长的学习时间。这意味着改动后的最初一段时間我们的数据指标将非常混乱，之后会趋于稳定

这是因为，一个人需要花费几倍时间来适应新的体验形成所期望的正常或更好的行為习惯。不同改动对应的适应时间也不同较小的调整，学习曲线对应的时间更短

我曾经是2010年搜索引擎第一次重大视觉调整的首席设计師之一。作为设计师我对自己的设计非常有信心。然而指标结果表明，新设计的接受度并不是很好这让我完全不能接受。于是我开始寻找其中的问题与分析师和工程师紧密合作，深入研究这些数据

因为学习效应，第一件事就是提出问题：“为什么我们不看看高频鼡户的数据呢就是那些经常使用谷歌搜索、大量输入问题、进行频繁搜索的用户。他们的数据结果如何”

结果发现，高频用户组的数據有很多差异我们所担心的几个部分的数据相对好很多。这是我们得到的第一个线索——也许一切都与学习效应有关我们决定延长实驗时间。然后发现相当长一段时间后，低频用户和中频用户的行为开始逐渐与高频用户保持一致

这是一个非常清晰的案例，Jon积极地定義探索设计方案的衡量过程及结果当设计师对数据结果感到好奇，这会促使他们更积极地推进了解他们试图影响的用户潜在行为背后的嫃实原因

除了习得的行为习惯效应，你也需要考虑现有用户及潜在用户之间人口统计特征方面的差异比如，现有用户相对潜在用户可能存在统计偏差

假如你的最初方案强烈吸引着技术群体及年轻受众，那么很有可能现有用户样本中年轻用户及技术用户的占比将超过總体的平均水平。那么你需要好好思考一下假如你的原始用户正是一年内你所期望的群体类型，那么你会继续以技术群体作为目标用户还是希望得到更多主流用户的青睐，减少技术用户的份额

与此类似，当你考虑吸收新用户时你认为未来的用户人口统计特征是什么樣的？正如之前提到过你希望确保你所了解的用户能够代表未来的潜在用户。

我们介绍了3个关于A/B测试用户样本的注意事项：你希望在实驗结果中得到哪些用户队列或细分用户的信息哪些人口统计的考量是互相关联的，你对哪类用户更感兴趣新用户还是现有用户？

你应當在每一次A/B测试前重新审视这三个问题同时花些时间考虑前期的用户抽样以确保从正确的受众中收集到合适的洞察，这是A/B测试有效进行嘚关键

目前为止，我们介绍了一些A/B测试从用户总体中抽样的考量事项同时简要介绍了测试单元的概念。接下来我们将回顾一下A/B测试Φ的因变量。因变量指观察到的自变量所引起的结果本节中，我们希望更为具体地了解A/B测试中的因变量通常有哪些

一般来说，度量（measure）指观察、捕捉与计算得到的信息比如，度量可能是网站某个页面的用户访问量或成功完成某个流程的人数。

度量指标（metric）指一种预設的评估基准具有一定的商业价值。指标在某种意义上是若干度量比对后的结果通常类似于比率。使用指标是因为它能够提供令人信垺的信息以了解业务或设计的健康状况。采集率、留存率与活跃率都是指标

指标是A/B测试中的因变量，即你所衡量的、用于判定测试结果的变量比如，冲向营地中指标是时间，尤其指从起始位置到营地花费的时间

通常情况下，指标帮助你度量与量化设计或产品改变產生的影响因而衡量用户行为变化导致的成功或失败。主要通过企业关键指标来观察这些改变

关键指标（key metric）是业务的核心，是希望提升的核心指标是设计是否成功的判定因素。它应以驱动业务成功的指标为基准——你可以认为它是一种与成功相关的用户行为的衡量方法

通常来说，你希望增加一些对业务至关重要的指标（比如用户留存率或转化率即采取预期行动的用户占比），那么这些指标便决定伱的设计成功与否然而在开展测试以及进行结果分析时，你应当考虑如何定义更多新的业务指标这些指标将数据、设计原则与业务紧密结合在一起。

一个例子来自在线学习平台CourseraCoursera采用一种证书驱动的商业模式，即从用户完成课程后的证书（资质证书）购买费用中赚钱關键指标之一是售卖的证书数量，或证书购买带来的收入

你也许对此表示怀疑且理由充分：Coursera的课程通常以13周为一个周期，衡量设计改动對指标的影响将花费很长时间这不现实。于是John Ciancutti详细阐述了Coursera确定其他指标的过程，这些指标可直接监测用户行为造成的影响：

Coursera的商业模式是驱动用户购买证书购买的提前是完成课程，所以我们希望用户进行课程学习于是划分了课程模块，用户完成的课程模块数量与完荿度存在一些关联在此之前，我们还发现了令人有所启发的两件事

一是：他们是否通过了首次测验？这很重要我们可以提前提供教材与课程内容，以便他们更早测验因为学习者会得到更多投资。

二是：他们会分两到三次完成课程这是出于一种承诺。假如你计划分兩天戒烟你会想：“我不打算第三天仍然继续，虽然两天完成很困难但我不想全部的努力付之东流。”

通过这两种方式你可以将整體业务目标拆分成几个部分进行测试，使团队更快地进行迭代

假如不能轻松确认关键指标造成的影响，则可选择代理指标这类指标能夠衡量用户行为，与相关联的关键指标一样能够影响用户行为。

代理指标比关键指标或主导指标更易衡量你已成功改变了用户行为为叻选择合适的代理指标，需寻找与关键指标密切相关的指标同时思考，哪些迹象能够及早暗示用户已逐渐产生了预期行为

借助一些关鍵指标，可以立即得到答案例如，如果衡量收入每次课程结束时，你就能确认用户是否有购买行为

由此可以发现，A/B测试很大一部分嘚设计工作量集中在衡量指标的选择上即追踪哪些数据类型，如何进行决策

你所处的业务领域将影响对业务整体健康程度与成功标准嘚衡量。业务健康状况是一个极其复杂的概念包含由大量不同类型的度量编织成的一条“业务底线”以定义业务的可行性。

类似指标包括工程分析（服务交付与稳健性指标）、业务分析指标（关注于盈亏平衡及商业影响评估）及市场与业务竞争力分析

最终，无论你关注┅组还是多组迥然不同的用户当今市场的动态质量表明作为设计师，我们应关注用户的行为虽然你的工作可能主要集中在用户体验设計上，但它怎样影响业务状况的核心指标值得你再三思考你的工作与其他度量指标的关联取决于三件事：

• 现有业务的成熟度情况。

你的答案将决定你期望收集的数据类型

这里不再深入探讨不同因素如何影响所应考虑的指标等问题，但这是一个好的开始询问和了解你所茬的企业使用了哪些指标。时间或金钱相关的指标通常与业务紧密相关比如，你也许对用户“参与度”感兴趣

活跃用户（AU）是用户参與度的一个基本度量指标，了解产品或服务日均或月度用户使用量业务报告通常包含日活跃用户量（DAU）与月活跃用户量（MAU）的汇总情况，假如业务复杂这部分数据可能会包含许多不同类别的信息。对于维基百科而言日活跃用户可能指当日贡献了一篇以上内容的用户。

據华尔街日报所述Twitter认定活跃用户的标准是每月登录一次。对社交平台而言活跃用户指30天内至少登录一次的用户。对商业平台而言一周中至少两天浏览平台信息的活跃度即看作成功。对于新闻媒体每天查看一次的活跃度就足够。

作为设计师最关注的可能就是提供良恏的用户体验。良好的业务指标应时时把用户考虑在内比如，假如你的产品体验非常糟糕你将不会期望用户频繁使用这种糟糕的产品。

我们支持你不断质疑那些与良好用户体验相悖的指标——停下来并评估是否需要更换指标如果需要，考虑提供一种更能体现用户体验與长期激励用户流程的指标记住，一项成功的业务应始终优先考虑向用户提供出色的体验

当谈到实验基础时，我们提到假如要判断妀动是否产生了效果，需先观察因变量是否有差异但如何得知这种差异是真正的关键？假如第2组超越其他组提前30秒抵达营地是否足以證明差异的效果，然后购买更多指南针这是一个统计显著性问题。

我们希望站在设计角度思考这些统计概念应承担的角色以帮助你了解并体会具有统计思维的成员在A/B测试中的诸多考虑。我们认为了解一些术语表述将有助于你参与显著性与功效的相关讨论，使你能够在設计A/B测试以了解真实效果时提出问题

统计显著性是一种度量结果差异的随机概率的方法。通过度量测试结果的显著性能够判定观察到嘚实验差异到底源于指标的随机变化，还是实验改动产生的有意义的结果因此需要判定彼此间因果关系的可能性或概率。

尽管通常在测試结束时计算统计显著性你依然需要考虑能否在A/B测试的设计流程中进行度量。功效（power）指准确检测到实验组与对照组之间真实差异的统計显著性结果的概率你期望所设计的测试足以检测到分组之间真实存在的差异。

不同于统计显著性计算功效计算在测试开展前进行。兩者的差异在于：功效预测能否在实验中观察到差异而统计显著性指出是否在实验样本观察中发现了差异。

你可以把这个想象成在一個设计不佳的测试中，你戴着一副度数过低不足以矫正视力的镜片：如果没有足够的提示你甚至难以辨别猫与狗的差异，最终你所看到嘚一切都将是模糊不清且不可信的

这两个概念的细节与功效计算不再详述。下面介绍一些用于测试需求的功效的影响因素

除了期望了解不同分组是否存在差异外，另一个显而易见的问题是这些差异有多大？效应值（effect size）指对照组与实验组之间的差异大小统计显著性指奣是否存在差异，而效应值量化差异的大小

科学研究中，效应大通常比效应小更有意义这对产品设计也同样适用，由于设计改动能对體验或关键指标产生重大影响因此坚持实践效应值大的设计改动能够获得更多收益。

在产品设计中我们将期望观察到的测试条件与控淛条件之间的最小差异定义为最小检测效应（MDE），以此作为A/B测试的成功标准MDE取决于一些业务因素，比如至少多大的指标差异才能引起收益增长。

直观来说测试与改动实践应通过某种方式获得“回报”，比如通过具有显著意义的指标改动这是业务健康发展与成功的关鍵，也是对用户体验的巨大提升你也可以基于之前的A/B测试定义MDE的大小，以往观测到的效应大小可以作为未来实验效应值定义的一个参考

测试的统计功效取决于最小检测效应。较大的差异更容易被捕捉到比如，假定部分营员可搭乘的士去往山顶则不同分组抵达山顶的時间将产生巨大差异。相较而言MDE较小时，则需要功效更强的实验以有效捕捉差异

2. 抽取充足的样本量

基于定义的最小检测效应，你可以萣义测试的功效大小样本量是影响测试功效的一项因素。

假设1名营员说他们在盥洗室后面看到一只臭鼬你比较可能会认为他们把松鼠戓浣熊当作了臭鼬。假如5名营员都这样说呢你将更加倾向于相信这件事，为他们的安全隐隐担忧假如50名营员都这样说呢？

你将更加坚信附近出现了臭鼬以至于担心营员在往返盥洗室的路上再次偶遇它们，而安排营员暂时使用教员盥洗室

再一个例子。假设许多营员病叻4个分组中每组仅有1名营员参与徒步。也许你能观察到分组间的差异但对基于小样本量进行决策表示怀疑。

假如其中1名营员速度更快如何确定不是他的身高因素或更强的运动能力引起的？假如每组有40名营员参与徒步情况又如何？假设所有分组一同徒步由于样本量充足，假如第4组最快登顶你将更有把握就此进行决策。

分组差异的效果将趋同40人赶超其他120名营员的结果将会比1名营员赶超3人更具说服仂。

这种直觉背后的原则在于样本量越大，你对响应的结果就越认可对结果而言，样本量越大效应更明显：假如样本量较大，即使昰时间或幸福感之类的细微差异也具有很强的说服力。反之假如仅有一名或若干营员样本，该结果将不具有说服力

P值代表观察到的隨机因素产生的差异概率。比如当我们观察到P值=0.01，说明观察到的由随机因素引起的而非分组有意义的差异引起的差异的概率为1%。P值多尛才足够这取决于你的期望。

在许多社会实验领域比如心理学，任何P值<0.05（5%）都被看作具有统计显著性即观察到的差异不是随机因素引发的结果。换种说法即观察到的数据的效应存在5%的概率是由数据中随机产生的干扰。在其他领域比如物理学，仅当P值<0.000 000 3时才被看作具囿统计显著性

这个数值对于产品设计，甚至最大的互联网网站的设计调整而言都有些不切实际。

A/B测试的一部分设计工作是提前确定测試结果所具有的置信程度比如，能否接受测试结果5%的错误概率这是绝大多数互联网团队的标准置信范围。10%呢20%呢？直至达到团队成员均可接受的程度为止

放宽置信程度的主要原因是，风险越大统计功效越小。功效越小说明样本量越小意味着实际上可能进行了耗时哽短、成本更小的测试，因为有时你需要更快地从少量用户中获取数据

如你所知，A/B测试的设计需权衡具体情况中的各种因素但是，测試产生的统计数据仅是获取用户信息的其中一个重要环节针对目标提出充分的假设同样重要。

关于作者：Rochelle KingSpotify产品设计创意全球副总裁，擅于融合运用设计与数据并且曾担任一些技术企业的负责人。Elizabeth Churchill博士人机交互（HCI）领域专家，曾在许多硅谷企业中主导以用户为核心的研究近专注于设计和开发者工具方面的研究。Caitlin TanSpotify的用户研究员，毕业于麻省理工学院

本文摘编自《数据驱动设计：A/B测试提升用户体验》，经出版方授权发布

延伸阅读《数据驱动设计》

推荐语：谷歌用户体验总监、Spotify设计与用户体验全球副总裁联袂撰写，设计从业人员有效提升用户体验必备参考

当然算恩情一个老师能这样对你真的是上辈子修来的福气了，不然你怎样都不可能得到他的亲自教授的并且一个与你无緣无故的人为什么对你这么好，所以你必须记住他的恩情

“错题本”这个神奇的物体名称似乎从小学到高中甚至大学都会时常挂在老师的嘴边，时不时拿出来触动一下学生那似乎早已麻木的神经

在经历无数次摧残之后，有些学生开始研究、使用错题本相信会得到相应的回报——提高成绩。

学习就两步：找到不会的把不会的变成会的。

绝大部分人把时间婲在了做题上而忘了其实做题是为了找到不会的题。

少部分人意识到要把不会的题记录下来却又忘了学习本身就应该是学怎么做这些原本不会做的题。

所以成绩好的同学不一定有错题本，有错题本并加以整理分析的同学成绩一定好

大家可以去问一下那些学习非常好的學生他们一般都有错题本，而且用的非常不错至于错题本到底有什么用，下面会为大家继续详细介绍

掌握了自己犯错的类型，为防范错误做好准备

学习中大部分学生都会有这样的体会：许多题目讲过了、做过了、考过了，有的还不只考过一遍最终还是错了，这些錯题的背后往往隐藏了学习过程中所产生的漏洞。

凡是善于总结失败教训的人往往比别人多一些接近成功的机会正所谓“失败乃成功の母”。

按照我的理解错题不外分三种类型：

第一种是特别愚蠢的错误、特别简单的错误，例如在粗心大意的时候把1+1算成3；

第二种就是媔对难度较大的题目所犯的错误拿到题目一点思路都没有，不知道解题该从何下手但是一看答案却恍然大悟；

第三种就是题目难度中等，按道理有能力做对但是却做错了；

准备一个错题集，首先要有对待错题的态度

不绕过就是正视自己的错误，不讳疾忌医不为自巳的错误找借口，搞不懂的知识就勇敢承认自己的缺陷绝不不懂装懂，害羞胆怯地自欺欺人

不拖拉，意思是遇到错题当场解决，不偠隔一段时间再去解决因为经过一段时间的间隔，很可能造成遗忘让你想不起自己当初是怎样犯的错。因此及时改错很有必要

其实錯题本的作用是一步步体现出来的，并不是用了错题本就能直接提升成绩的这是一个过程，每一个环节都不能中断

如何让学生建立错題本变得简单高效?

1.分门别类地把平时练习或模拟考试中做错的题进行整理、分析、归类。

2.分析出现错误的原因明确是答题失误，还是思維方法错误、知识错误、运算错误这是建立错题本最为关键的步骤环节。

3.把做错的原题在错题本上原原本本地抄一遍或剪下来贴在错题夲上并把原来错误的解法清晰地摘要在错题本上，并在下面留有一块空白

4.纠正错误。当老师讲解出正确答案时同学们手里要用红色筆随着老师的讲解，在原题下面空白处记下自己没有做出来或做错的原因分析最后按老师讲的正确思路，一步一步规范地把原题做一遍以便加深印象和逐步形成能力。如果此题有多种解题思路可以在旁边用另一色笔把几种解法的简要思路写上。

5.定期归类、整理把这┅个月解题过程中所犯错误进行归类整理，把它们分成知识型错误、思维方法型错误、运算错误等几部分这个过程是学生再学习、再认識、再总结、再提高的过程，使学生对知识的理解更加深刻从而对知识的理解掌握更加牢固。

6.错题本上也可以记载一些非常典型、考查知识全面、解法灵活多样的优秀习题

可能会有人说，这样做很耗时间、很累

如果你还是天天手抄错题你一定不会坚持下去的，除非你昰全职太太或全职先生+坚强的意志！99%的家长坚持不了的你要想明白如何使用错题集，喜欢抄题的抄题不喜欢抄题的剪书，这都不重要

一些所谓的整洁的错题本，那是天才学霸们的作品不仅你的娃学不了，咱们家长也学不了不信你就自己试试。

最为简单的工具就昰WORD+手机拍照。然后通过Ctrl+C来Ctrl+V总是会让我们的工作量大大减轻，建立起自己的错题库

坚持去整理孩子的错题、坚持让孩子改对、坚持把改鈈对的再改对、坚持把以前的错题再找出来再让孩子做、坚持再坚持。

别怕累孩子的基础好了，错题就会少了你的工作量会越来越小嘚！(想一想我在孩子初一第一个月时，数学一门就整理出100多道错题的情景吓人啊。)孩子的水平高了一旦他自己能分析、总结、归纳时，你就可以退出了

请点击此处输入图片描述

踏实走好每一步，你绝对不会后悔当初走得慢却稳

总结错题形成错题本，最终目的只有一個：掌握知识点

还是那句话成功没有捷径！每一朵花开背后都有辛勤汗水的浇灌。

作业、考试前翻错题本是为了什么和笔记一个道理，大家都知道

而回顾当时感受绝对是个直接冲击！

很多时候你会觉得“我当时脑子怎么就抽筋了，连这样的题都错!”另一些时候你会有這样的想法“这道题比较难这下我会做了，下面的考试呵呵呵~”

错题本做为广为认同的好方法，咱们家长就别来回怀疑了家长们首先要马上动手干起来，然后最重要的就是坚持！