A/B testing

​​Не используйте T-Test в A/B-тестировании, или как уменьшить дисперсию.

via @ABtesting

​​Описание полного цикла процесса экспериментирования.

via @ABtesting

​​Появился еще один пакет в Python для оценки A/B-тестирования с использованием байесовского подхода: статья | пакет | github

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.

​​Обзор собственной платформы для А/В-тестирования от Teads.

via @ABtesting

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.

​​Что такое статистическая мощность и 5 способов как ее увеличить.

via @ABtesting

Еще один неплохой бесплатный курс по А/B-тестированию.

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

​​Как в Airbnb проводят эксперименты и как фреймворк Experiment Guardrails помогает им предотвратить негативное влияние на ключевые метрики при масштабных экспериментах.

via @ABtesting

​​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

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

​​Книга по байесовской оптимизации от Roman Garnett. Это драфт от автора, официально книга выйдет в 2022 году.

via @ABtesting

​​Как сделать причинно-следственный вывод по методу Массачусетского технологического института.

via @ABtesting

​​​​Статья о том, как у Facebook повышали качество A/B-тестов.

via @ABtesting

​​Калькулятор размера выборки A/B-теста в Tableau для неравного деления аудитории.

@BigQuery

​​“История одного обмана” или “Требования к распределению в t-тесте”. О том, как работает t-критерий (критерий Стьюдента).

via @ABtesting

​​Гибкая open-source платформа для А/B-тестирования:
https://github.com/growthbook/growthbook

via @ABtesting

A/B-тесты с метриками-отношениями и при чём здесь внутрипользовательские корреляции:

https://www.youtube.com/watch?v=ObzlKVCiBqI

via @ABtesting

Хорошая идея для футболки. #пятничное @ABtesting