【KDD2019|讲座推荐】在线控制实验结果评估的挑战、最佳实践和陷阱：Challenges, Best Practices and Pitfalls in Evaluating Results of Online Controlled Experiments

讲座题目

在线控制实验结果评估的挑战、最佳实践和陷阱：Challenges, Best Practices and Pitfalls in Evaluating Results of Online Controlled Experiments

讲座简介

A/B测试是评估产品变化与其对关键结果度量的影响之间因果关系的金标准。它被广泛用于测试从简单的拷贝更改或UI更改到更复杂的更改（如使用机器学习模型个性化用户体验）的更改。A/B测试的关键是对实验结果的评价。设计一套正确的衡量标准-正确的结果衡量标准、数据质量指标、防止对业务造成损害的护栏，以及一套全面的支持衡量标准，以了解关键行动背后的“原因”，这是从业者在尝试扩展其实验计划时面临的“1个挑战”。从技术层面来说，提高实验指标的灵敏度是一个难题，也是一个活跃的研究领域，随着越来越多的中小型企业尝试采用a/B测试，并遭遇功率不足的困扰，具有很大的现实意义。在本教程中，我们将讨论评估实验结果的挑战、最佳实践和陷阱，重点放在经验教训和实践指南以及开放式研究问题上。

讲座嘉宾

Xin Fu来自Facebook，作为LinkedIn数据科学的高级主管，Xin Fu领导的数据分析工作专注于公司的成长和参与，从吸引会员和鼓励他们优化个人资料，到将他们与其他会员、相关内容和新的工作机会联系起来。