乐趣区

关于大数据:火山引擎-DataTester-首推AB实验经验库帮助企业高效优化实验设计能力

援用
更多技术交换、求职机会,欢送关注字节跳动数据平台微信公众号,回复【1】进入官网交换群

近日,火山引擎 DataTester 推出了重要性能——A/ B 试验教训库。

基于在字节跳动已实现 150 万余次 A / B 试验的教训,DataTester 独创了 A / B 试验教训库性能。该性能可帮忙业务人员将历史的 A / B 试验教训积淀,并通过条件筛选,疾速找到所需试验信息并进行数据分析。吸取过往在 A / B 实验设计和后果方面的教训,并理解优化方向,更好为后续的业务赋能。

以往,当企业须要去查看往期 A / B 试验信息时,只能通过试验列表去挨个点击查看,这样做对于业务人员来说不仅仅很耗时耗力,而且无奈全面理解过往 A / B 实验所积攒的无效信息。

A/ B 试验教训库性能上线后,企业可能自主筛选、高效调用以往 A / B 试验的数据及详情,并查阅 DataTester 以教训报告模式做的形象和总结。该性能让 DataTester 从单纯反对 A / B 试验的数据工具平台,降级成为了企业业务信息积淀的零碎,能够帮忙企业一直迭代优化 A / B 试验的设计与成果。

在 DataTester 的教训库中,用户能够通过检索多类标签,查看业务历史上 A / B 试验的目标群体、试验策略、试验论断:

  • 试验信息:反对检索试验名称、试验形容、试验版本名称、翻新人等信息;
  • 运行工夫:反对对运行工夫、开始工夫、进行工夫进行工夫范畴筛选;
  • 展现指标:反对输出须要所需查问的任意数据指标,如点击率、转化率、DAU 等;
  • 指标受众:反对筛选试验指标人群包,可按公共属性和用户分群等维度进行筛选。
    以具体的利用场景举例,假如业务经营有一个指标:冀望减少产品在“北上广深”的女性用户群体的应用活跃度。那么业务经营首先要理解在过往,产品针对“北上广深”的女性群体做过哪些经营动作,在 A / B 测试中,哪些经营动作成效显著,哪些成果不好。
    在 DataTester 的教训库中,业务经营人员能够抉择指标受众为“女性”标签,再抉择城市标签为“北京、上海、广州、深圳”;此时,即可查看以往针对上述人群的有成果的试验有哪些。

    如果想进一步拆分针对上述人群中与“应用活跃度”无关的试验,那么能够在指标选取上更加细分和灵便。例如可选取“新增用户数”指标,来查看往期试验中,晋升了目标群体日活的试验;与此同时还可选取“订购”指标,查看往期试验中晋升了目标群体生产状况的试验。

    这样一个满足业务经营所需条件的往期试验就全副筛选进去了。经营人员能够具体的查看和剖析往期试验的数据,在此基础上持续设计深入新的 A / B 试验策略。

    DataTester 的 A / B 试验教训库,让企业的每一次 A / B 试验都不再是各自独立的个体,而可能层层递进,每一次都在上一次的试验成果根底上进一步调优,能够帮忙企业缩小“反复造轮子”的状况,大幅晋升效率。

DataTester 是字节跳动外部利用多年的 A / B 试验平台,以后已通过火山引擎面向内部企业凋谢服务,能基于先进的底层算法,提供迷信分流能力和智能的统计引擎,反对多种简单的 A / B 试验类型。在利用和剖析场景上,火山引擎 DataTester 深度耦合举荐、广告、搜寻、UI、产品性能等多种业务场景需要,为业务增长、转化、产品迭代,策略优化,经营提效等各个环节提供迷信的决策依据,让业务真正做到数据驱动。
目前,火山引擎 DataTester 曾经服务了美的、失去、凯叔讲故事等在内的上百家标杆客户,将成熟的“数据驱动增长”教训赋能给各行业。

点击跳转 火山引擎 DataTester理解更多

退出移动版