6899
Кращі матеріали по A/B-тестуванню Автор: @osiyuk Product Analyst в MacPaw.com
Подробное описание анализа данных AB-теста с примерами кода на Python.
via @ABtesting
Sequential A/B Testing at Uber — for early stopping and continuous testing.
via @ABtesting
Segment analytics with Firebase AB testing
https://medium.com/firebase-developers/segment-analytics-with-firebase-ab-testing-36bfa6589ea4
via @ABtesting
Описание полного цикла процесса экспериментирования.
via @ABtesting
Как увеличить мощность критериев для A/B-тестирования, используя машинное обучение? Дима Лунин, аналитик AvitoTech, подробно рассказал в своей статье, а ещё:
🔹 что такое CUPED-метод и как улучшить CUPED-алгоритм;
🔹 как использовать Uplift-модель в качестве статистического критерия;
🔹 методы и критерии, разработанные и придуманные командой AvitoTech.
Ритейловский кубик рубик и как его собирать: X5 Group запускает платформу АБ-тестирования.
На финишной полосе этого года одна из крупнейших компаний страны X5 Group объявила о запуске первой в ритейле платформы АБ-тестирования. Анализ экспериментов будет проводиться на основе данных хранилища X5 и ежедневной работы 18656 магазинов, что суммарно означает обучение на десятках миллионов записей ежедневно. «Сырые» данные станут настоящим сокровищем в 1000 планируемых ежегодных экспериментов ритейлера. В планах X5 продолжить драйвить рост бизнеса за счет новых подтвержденных гипотез и уменьшить время внедрения успешных пилотов с минимизацией человеческого фактора в процессы.
Получается простая арифметика – чем больше задаешь вопросов, тем больше получаешь ответов. Каждый правильный ответ равен кратному эффекту для бизнеса и развития отрасли в целом.
Куда приведут такие примеры покажет время, но то, что этот шаг уникален и немного отдает ароматом «судьбоносного» можно заявить с уверенностью.
Еще один неплохой бесплатный курс по А/B-тестированию.
via @ABtesting
Как в Airbnb проводят эксперименты и как фреймворк Experiment Guardrails помогает им предотвратить негативное влияние на ключевые метрики при масштабных экспериментах.
via @ABtesting
10 ошибок в A/B-тестировании мобильных приложений
Подробный разбор самых частых ошибок при проведении экспериментов — с примерами и рекомендациями по устранению. Полезно изучить перед запуском A/B-тестов в продукте.
Бонусом в статье делятся новым сервисом для проведения A/B-тестов именно в мобильных приложениях: proba.ai.
via @ABtesting
Как сделать причинно-следственный вывод по методу Массачусетского технологического института.
via @ABtesting
Калькулятор размера выборки A/B-теста в Tableau для неравного деления аудитории.
@BigQuery
Гибкая open-source платформа для А/B-тестирования:
https://github.com/growthbook/growthbook
via @ABtesting
Хорошая статья о чувствительности метрик от специалистов Microsoft.
via @ABtesting
Еще одна хорошая статья о байесовских A/B-тестах. В этот раз о способах реализации и масштабировании от специалистов Wix.com.
via @ABtesting
Understanding CUPED
An in-depth guide to the state-of-the-art variance reduction technique for A/B tests.
via @ABtesting
Статья о распространенных ошибках в A/B-тестировании
via @ABtesting
Не используйте T-Test в A/B-тестировании, или как уменьшить дисперсию.
via @ABtesting
Появился еще один пакет в Python для оценки A/B-тестирования с использованием байесовского подхода: статья | пакет | github
via @ABtesting
Обзор собственной платформы для А/В-тестирования от Teads.
via @ABtesting
Что такое статистическая мощность и 5 способов как ее увеличить.
via @ABtesting
🆎 Proba — новый сервис для проверки продуктовых гипотез в мобильных приложениях.
Развитие мобильного приложения невозможно без постоянной проверки новых гипотез. Это конвейер — протестировали, измерили, приняли/отклонили. Любому product-менеджеру, разработчику, аналитику, маркетологу хочется ускорить этот процесс. На проверку каждой гипотезы уходит несколько дней (часто и недель), плюс нужно позаботиться о статзначимости результата.
Мы запускаем сервис, который помогает мобильным продуктам автоматизировать этот процесс и проводить A/B-тесты быстрее и дешевле. Для этого мы реализовали алгоритмы автоматического распределения пользователей и оптимизации под выбранную целевую метрику. Помимо простой конверсии алгоритм может оптимизироваться на ARPU и количество совершённых событий. Уже в ходе эксперимента побеждающий вариант будет получать больше пользователей. Автоматическое распределение трафика работает на основе байесовской статистики.
🚀 Мы приглашаем вас попробовать наш сервис бесплатно и будем рады любой обратной связи — регистрируйтесь на proba.ai
📆 Также приглашаем на бесплатный вебинар «А/B-тесты в мобайле: как проверять гипотезы быстро и дёшево», который пройдёт 1 декабря в 16:00 МСК. Регистрация доступна здесь.
По всем вопросам: @annatch66
Приглашаем на митап по аналитике от EXPF x Delivery Club
Программа:
— «Что делать, если возникли сомнения, подходит ли твой критерий для твоего теста (а они должны возникать!)», Тимур Исмагилов, Avito
— «Платформа switchback-экспериментов в Ситимобил», Артём Солоухин, Cитимобил
— «Как мы ищем точки роста в продукте: пошаговая инструкция», Владимир Абазов, Delivery Club
— «Скрытая угроза ранговых критериев», Егор Семин, EXPF
Когда: 25 ноября 2021, 18:00—20:00
Где: online
Регистрация и детали: https://u.to/57bCGw
Книга по байесовской оптимизации от Roman Garnett. Это драфт от автора, официально книга выйдет в 2022 году.
via @ABtesting
Статья о том, как у Facebook повышали качество A/B-тестов.
via @ABtesting
“История одного обмана” или “Требования к распределению в t-тесте”. О том, как работает t-критерий (критерий Стьюдента).
via @ABtesting
A/B-тесты с метриками-отношениями и при чём здесь внутрипользовательские корреляции:
https://www.youtube.com/watch?v=ObzlKVCiBqI
via @ABtesting
Как ускорить A/B-тестирование с помощью прокси-метрик. Метод разработан LinkedIn для приблизительного определения долгосрочных показателей.
via @ABtesting
Causal Inference from Observational Data, или как провести А/В-тест без А/В-теста.
via @ABtesting
Что такое байесовское A/B-тестирование и когда его следует использовать?
via @ABtesting
