[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"general-list":3,"footer-feature-tags":4,"slate-glossary-term-selection-bias":66},true,[5,14,20,29,34,40,46,52,56,62],{"id":6,"name":7,"hex":8,"translations":9,"count_pages":13},8,"Компания","#f40925",{"ru":10,"en":11},{"name":7},{"name":12},"Company",9,{"id":15,"name":16,"hex":17,"translations":18,"count_pages":6},26,"Главная страница",null,{"ru":19},{"name":16},{"id":21,"name":22,"hex":23,"translations":24,"count_pages":28},2,"Проекты","#3027ff",{"ru":25,"en":26},{"name":22},{"name":27},"Project",15,{"id":30,"name":31,"hex":17,"translations":32,"count_pages":21},33,"ИИ",{"ru":33},{"name":31},{"id":35,"name":36,"hex":17,"translations":37,"count_pages":39},34,"Комментарии",{"ru":38},{"name":36},4,{"id":41,"name":42,"hex":17,"translations":43,"count_pages":45},25,"Задачи",{"ru":44},{"name":42},24,{"id":47,"name":48,"hex":17,"translations":49,"count_pages":51},27,"Рабочие пространства",{"ru":50},{"name":48},3,{"id":45,"name":53,"hex":17,"translations":54,"count_pages":6},"Kanban-доска",{"ru":55},{"name":53},{"id":57,"name":58,"hex":17,"translations":59,"count_pages":61},23,"Диаграмма Ганта",{"ru":60},{"name":58},1,{"id":28,"name":63,"hex":17,"translations":64,"count_pages":61},"Календарь",{"ru":65},{"name":63},{"detail":67,"more":143},{"id":68,"slug":69,"translations":70,"category":84,"tags":92,"letter":109,"og_image":17,"cover":17,"author_name":17,"author_position":17,"author_avatar":17,"faqs":110,"related":124,"views_count":140,"helpful_yes_count":113,"helpful_no_count":113,"created_at":141,"updated_at":142,"published_at":17},302,"selection-bias",{"ru":71},{"title":72,"short_definition":73,"tldr":74,"full_explanation":75,"when_to_apply":76,"when_not_to_apply":77,"examples":78,"tips":79,"synonyms":80,"translation_en":81,"seo_title":82,"seo_description":83},"Систематическая ошибка отбора","Искажение выводов, возникающее из-за того, что данные собраны неслучайно и не отражают всю интересующую совокупность.","Систематическая ошибка отбора возникает, когда выборка перекошена: в аналитике сайта мы видим только зашедших посетителей, в опросе — только тех, кто ответил, в разборе сделок — только закрытые. Если по такой группе судить обо всех клиентах, получится красивая картинка, далёкая от реальности. Лечится это либо честным случайным отбором, либо явными поправками на структуру данных.","\u003Cp>Систематическая ошибка отбора — фоновая угроза любой неэкспериментальной аналитики. Она тише ошибки выжившего, но встречается чаще.\u003C\u002Fp>\u003Ch3>Где особенно часто возникает\u003C\u002Fh3>\u003Cul>\u003Cli>Онлайн-опросы и NPS-исследования: отвечают самые активные и самые недовольные.\u003C\u002Fli>\u003Cli>Разбор кейсов: смотрят только закрытые сделки, забывая про незакрытые и отвалившиеся ещё на этапе переговоров.\u003C\u002Fli>\u003Cli>Воронки в продукте: считают конверсию по тем, кто дошёл до конкретного шага, не учитывая тех, кто вообще не начал.\u003C\u002Fli>\u003Cli>Отраслевые бенчмарки: их составляют по компаниям, согласившимся участвовать, а это уже сильно смещённая группа.\u003C\u002Fli>\u003C\u002Ful>\u003Ch3>Что делать\u003C\u002Fh3>\u003Cul>\u003Cli>Описывать аудиторию выборки явно: «эти выводы относятся только к...».\u003C\u002Fli>\u003Cli>Стараться сделать сбор более случайным или хотя бы понятно структурированным.\u003C\u002Fli>\u003Cli>Сверять метрики с альтернативными источниками, в которых смещение устроено иначе.\u003C\u002Fli>\u003C\u002Ful>","\u003Cul>\u003Cli>В любых опросах, NPS и UX-исследованиях\u003C\u002Fli>\u003Cli>При работе с публичными бенчмарками\u003C\u002Fli>\u003Cli>При работе с воронками, в которых часть пользователей системно не попадает в анализ\u003C\u002Fli>\u003C\u002Ful>","\u003Cul>\u003Cli>Когда речь о действительно сплошной выборке (например, все транзакции системы) — но даже там бывают свои смещения\u003C\u002Fli>\u003C\u002Ful>","\u003Cp>Компания публикует «бенчмарк по рынку»: средняя выручка SaaS-стартапа на посевной стадии — 50 тысяч долларов в месяц. Цифра выглядит правдоподобно, но это среднее по стартапам, согласившимся участвовать в опросе, — а это сильно смещённая выборка успешных и амбициозных команд. Стартап, который сравнивает себя с этим бенчмарком, рискует ставить нереалистичные цели и принимать ошибочные решения о найме.\u003C\u002Fp>","\u003Cp>Любой график со «средним по отрасли» или «по нашей базе клиентов» полезно сопровождать одной фразой: чья именно это выборка, какие группы в неё не вошли и какие выводы из неё переносить корректно, а какие — нет.\u003C\u002Fp>","систематическая ошибка отбора, смещение выборки, ошибка отбора, selection bias","Selection Bias","Систематическая ошибка отбора — что это | Глоссарий Shtab","Систематическая ошибка отбора — искажение выводов из-за неслучайной выборки. Где она возникает, как её распознать и что делать с опросами и бенчмарками.",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":88},11,"analytics-data","#06b6d4",{"ru":89},{"title":90,"description":91},"Аналитика и данные","Понятия и инструменты работы с данными: виды аналитики, статистические основы, A\u002FB-тестирование, продуктовые метрики, дашборды и BI, инфраструктура данных, качество и управление данными.",[93,100],{"id":6,"slug":94,"kind":95,"hex":96,"order":6,"translations":97},"concept","other","#4b5370",{"ru":98},{"title":99},"Концепция",{"id":101,"slug":102,"kind":103,"hex":104,"order":105,"translations":106},43,"statistics","tool","#7c5ce6",101,{"ru":107},{"title":108},"Статистика","С",[111,118],{"id":112,"order":113,"translations":114},1506,0,{"ru":115},{"question":116,"answer":117},"Чем ошибка отбора отличается от ошибки выжившего?","\u003Cp>Ошибка выжившего — частный случай ошибки отбора, когда в выборке остались только «выжившие». Ошибка отбора шире: сюда же относятся опросы только активных пользователей, бенчмарки только по согласившимся участвовать компаниям и разбор только закрытых сделок. Проще говоря, ошибка выжившего — про тех, кто дошёл до конца, а ошибка отбора — про то, как вообще формировалась группа наблюдений.\u003C\u002Fp>",{"id":119,"order":61,"translations":120},1507,{"ru":121},{"question":122,"answer":123},"Можно ли исправить ошибку отбора в уже собранных данных?","\u003Cp>Иногда — частично: через перевзвешивание выборки или сравнение с внешними источниками. Полностью «починить» ошибочный сбор постфактум обычно нельзя. Честнее ограничить выводы тем сегментом, который собран корректно, и прямо написать в отчёте, на кого результаты не распространяются. А следующий сбор данных стоит спроектировать заранее: кого включаем, кого нет и почему.\u003C\u002Fp>",{"related":125},[126,133],{"id":127,"slug":128,"translations":129},301,"survivorship-bias",{"ru":130},{"title":131,"short_definition":132},"Систематическая ошибка выжившего","Аналитическая ловушка, при которой выводы строятся только на «выживших» наблюдениях, без учёта тех, что выбыли по дороге.",{"id":134,"slug":135,"translations":136},300,"correlation-causation",{"ru":137},{"title":138,"short_definition":139},"Корреляция и причинность","Корреляция — связь двух величин в данных. Причинность — то, что одна величина действительно влияет на другую.",107,"2026-05-11T20:16:05.490011+03:00","2026-05-11T20:16:05.490025+03:00",[144,167,192],{"id":145,"slug":146,"translations":147,"category":152,"tags":155,"letter":165,"cover":17,"updated_at":166,"published_at":17},313,"arpu",{"ru":148},{"title":149,"short_definition":150,"translation_en":151},"ARPU и ARPPU (средняя выручка на пользователя)","ARPU — средняя выручка на пользователя. ARPPU — средняя выручка на платящего пользователя.","ARPU and ARPPU",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":153},{"ru":154},{"title":90,"description":91},[156],{"id":157,"slug":158,"kind":159,"hex":160,"order":161,"translations":162},45,"product-analytics","metric","#5e79ec",103,{"ru":163},{"title":164},"Продуктовая аналитика","A","2026-05-11T20:16:09.534333+03:00",{"id":168,"slug":169,"translations":170,"category":175,"tags":178,"letter":190,"cover":17,"updated_at":191,"published_at":17},304,"bi",{"ru":171},{"title":172,"short_definition":173,"translation_en":174},"Business Intelligence (бизнес-аналитика)","Совокупность процессов и инструментов сбора, хранения и визуализации данных для принятия деловых решений.","Business Intelligence (BI)",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":176},{"ru":177},{"title":90,"description":91},[179,187],{"id":180,"slug":181,"kind":103,"hex":182,"order":183,"translations":184},44,"data-engineering","#0F9488",102,{"ru":185},{"title":186},"Инфраструктура данных",{"id":157,"slug":158,"kind":159,"hex":160,"order":161,"translations":188},{"ru":189},{"title":164},"B","2026-05-11T20:16:06.204990+03:00",{"id":193,"slug":194,"translations":195,"category":200,"tags":203,"letter":207,"cover":17,"updated_at":208,"published_at":17},312,"dau-wau-mau",{"ru":196},{"title":197,"short_definition":198,"translation_en":199},"DAU, WAU, MAU (активная аудитория за день, неделю и месяц)","Количество уникальных активных пользователей за день, неделю и месяц соответственно.","DAU \u002F WAU \u002F MAU",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":201},{"ru":202},{"title":90,"description":91},[204],{"id":157,"slug":158,"kind":159,"hex":160,"order":161,"translations":205},{"ru":206},{"title":164},"D","2026-05-11T20:16:09.166914+03:00"]