32,6 тыс подписчиков
Как ещё сильнее увеличить критерии для A/B-тестов с помощью машинного обучения?
A/B-тестирование нужно для оценки практически любого продуктовго решения. А не только, чтобы понять, какого цвета сделать кнопку на сайте. С помощью правильных A/B-тестов можно точно узнать, стоит ли, например, давать пользователям скидки или нет, нужно ли вводить больше фильтров на сайте и работает ли рекламная компания.
И на Хабре вышла интересная статья, в которой Дима Лунин из Авито рассказал:
— как для этого использовать CUPED-метод;
— как улучшить CUPED-алгоритм;
— что такое CUPAC, CUNOPAC и CUMPED;
— как использовать Uplift-модель в качестве статистического критерия;
— как использовать все модели сразу для достижения лучшей мощности;
— насколько эти методы вместе с парной стратификацией лучше, чем обычный CUPED.
Советуем к прочтению: https://tprg.ru/Jtfj
Это #партнёрский пост
Около минуты
20 января 2022
774 читали