接下来，确定关系是否显著；当关系被陈述为统计显著时，观察到的关系在未来发生的可能性很高。当谈到声称统计显著时，有些人可能会认为一定有一个只有经验丰富的统计学家才能计算的复杂公式。实际上，确定统计显著性是通过 t 检验来完成的，这是一种简单的统计测试，它比较两个样本，以帮助我们推断未来样本中相同关系的相关性。
在这种情况下，投球数低于 70 的活动为一组，高于 71 的活动为第二组。以下发现定义了两组（即 Q2 和 Q3 的活动）平均值之间的百分比差异，以确定较低的投球数是否对每个指标都有预期的效果；带星号的那些具有统计意义，这意味着观察到的结果是由偶然因素造成的概率不到 5%。
我们的分析 销售营销总监 经理电子邮件列表 如何优化您的数字公关团队的工作
在实践中，这些指标之间的关系可以帮助您为团队的推广建立更好的实践标准，并设定切合实际的期望和目标。此外，指定的推介数量范围与所有其他 KPI 之间的相关性为您提供了一个可靠的范围，让您了解在遵守推介范围的情况下，在推介质量、时间表和活动绩效指标方面可以预期的值。
最初的理论是，当比较推介次数与所有其他绩效指标之间的关系时，存在一个推介次数阈值，这一理论得到了数据证实。推介次数较少（少于 70 次）的样本与我们想要降低的 KPI（例如拒绝率、总天数）呈正相关，与我们想要提高的 KPI（例如投放率、链接数）呈负相关。推介次数较多（大于 71 次）的样本则相反——与我们想要降低的 KPI 呈负相关，与我们想要提高的 KPI 呈正相关。本质上，当将发送的推介次数少于 70 次的广告系列单独列出时，几乎所有指标的数字都有所改善。
当将此分析应用于第三季度的 74 个广告系列时，您将看到几乎一致的结果，但总域名授权再次出现例外。与推介次数超过 71 次的广告系列相比，推介次数最多为 70 次的广告系列的 KPI 更高。