es
Feedback
Рома Филев про А/Б, продукт и etc

Рома Филев про А/Б, продукт и etc

Ir al canal en Telegram

Автор @simbaizdolgopi

Mostrar más
El país no está especificadoLa categoría no está especificada
237
Suscriptores
Sin datos24 horas
Sin datos7 días
Sin datos30 días

Carga de datos en curso...

Canales Similares
Sin datos
¿Algún problema? Por favor, actualice la página o contacte a nuestro gerente de soporte.
Nube de Etiquetas
Sin datos
¿Algún problema? Por favor, actualice la página o contacte a nuestro gerente de soporte.
Menciones Entrantes y Salientes
---
---
---
---
---
---
Atraer Suscriptores
enero '24
enero '24
+237
en 0 canales
Publicaciones del Canal
H₃ - гипотеза третья Обсуждали сегодня какие есть способы помочь сразу большому числу команд лучше работать над экспериментами: меньше допускать ошибок при проработке, верно обсчитывать результаты, честно считать совокупный эффект от фич за квартал. И если со вторым все довольно понятно: пилишь общую тулу, которая как волшебная коробочка все считает, то вот как быть с первым и третьим? Для третьего есть Вечный Контроль, довольно понятный механизм с очень эпичным названием. Кстати напишите - знаете ли вы что это или как вы думаете что это такое. А что там с проработкой? А вот с первым все интереснее: казалось бы много есть уже гайдов и чего тут не учесть, но не все так просто, дьявол он в деталях. При дизайне эксперимента есть много мест, где можно оступиться, а как мы знаем из поста выше, Сунь Цзы такое не прощает. Можно же сделать шаблон? Даже самый подробный шаблон можно неверно использовать, даже в самом удобном калькуляторе можно посчитать размер выборки не для всех метрик на которые влияет эксперимент. Да в порыве страсти к исследованию можно даже забыть: а для каждого ли исхода эксперимента вы поняли: что же будете делать то? Так чего будем делать то? В общем тут на помощь можно призвать их - шаристых ребят, прошедших огнь, воду и приложивших те самые статы к продукту овер 1000 раз. Мы решили запустить "прожарки" экспериментов, чтобы можно было прийти и в комфортной среде получить фидбек и совет еще до запуска. Да, не всем комфортно приходить, но я верю, что именно такие штуки драйвят культуру внутри и помогают максимально быстро расти. Так что я всем рекомендую у себя попробовать, дело не такое уж и хитрое: 1. Соберите простой и понятный чеклист для подготовки эксперимента командой опытных ребят 2. Пригласите народ на такую прожарку, после того, как они этот чеклист пройдут 3. Помогите им понять где они что-то не так поняли/не учли или не так применили требования (да, может показаться, что это легко, но это нифига не так) Можете составить подобный лист у себя и пройтись по экспериментам, уверен - заметите, что не всегда хорошо готовились и могли или даже потеряли время и денежки В общем - делитесь опытом и будем вам счастья, с вас 5 тыщ Поделитесь у кого есть похожие практики и вообще какие практики по улучшению качества экспов вы у себя применяете

2
H₂ - гипотеза вторая Сунь Цзы говорил "Shit in -> shit out". Так что не тестируйте херню. Ведь действительно: если мы не особо внимательно относимся к гипотезам, которые мы проверяем, то не надо и на хороший результат надеяться. Так что я хочу поговорить о том как же стоит с гипотезами работать еще до эксперимента, а именно их формулировать и приоритизировать. Что такое гипотеза в контексте А/Б-тестирования? Обычно под этим понимают само проверяемое предположение: "если мы сделаем <описание изменений> для <сегмент пользователей>, то <метрика> увеличится на <Х>%" Да, в контексте статов H₀ - что значимой разницы между группами нет, а H₁ - что значимые изменения есть Так вот, до контекста статов хочется продуктовые вопросики порешать, а именно правильно формулировать предположение. Шаблон для него я написал выше, а теперь давайте поймем почему в нем важна каждая деталь: 1. Без четкого описания изменений вы потом не оцените ни приоритет, ни поймете вообще реально ли это сделать и делали ли что-то похожее раньше вы или кто-то на рынке 2. Без сегмента пользователей вы не поймете ни сколько будет длиться будущий эксперимент, ни прикинуть а как они могут отреагировать на эти изменения 3. Без понимания метрик на которые будете смотреть вы даже результаты не подведете, да и зачем что-то проверять, если не понимаешь что хочешь изменить) 4. А вот без предполагаемой разницы все запускаться любят больше всего, а некоторые на добивку берут еще и подглядывают с последующей быстрой остановкой Не надо так, надо вот как в шаблоне и все аккуратно посчитать и для себя понять. Как это делать разберем в другом посте, а теперь еще один общий момент - приоритизация. Подумайте над максимально объективным способом приоритизации гипотез, например data informed ICE. Да даже обычные ICE, RICE уже будут лучше, чем чуйка. Потому что Брюс Ли говорил: "Я не боюсь того, кто проверил 10000 гипотез, а боюсь того, кто проверил 1 гипотезу 10000 раз. Ведь он слил весь бюджет" Не хворайте и простите, что так долго рожал пост 🥰
678
3
H₁ - гипотеза первая Во время собесов с кандидатами часто касаемся А/Б тестирования, на очередном собесе понял, что проблема подглядывания - не баян, а классика и встречается в ответе чуть ли не каждого второго. Что такое проблема подглядывания? Это когда ты каждый день закидываешь данные эксперимента в калькулятор и как только видишь статзначимую разницу - радостно катишь на прод, не дожидаясь пока выборка достигнет того размера, который был заложен при дизайне эксперимента. Почему подглядывать - плохо? Да потому что все может еще сто раз поменяться: статзначимая разница пропасть, а потом снова появиться... или нет ) Именно поэтому важно заранее посчитать требуемый размер выборки с учетом ожидаемых изменений и дождаться окончания эксперимента. Почитать подробнее можно у дядюшки Эвана Миллера Что делать? Честно считать размер выборки при дизайне эксперимента и не подглядывать) Конечно, следить за протеканием эксперимента важно, все может резко пойти не так: ваш тест наложится на чей-то релиз и фичи поломаются друг об друга или промокоды, которые вы раздаете перестанут работать Есть, конечно, и более математичное решение: методы, которые устойчивы к подглядыванию или не так сильно от него страдают: 1) Последовательный анализ 2) Байесовские методы Но о них мы поговорим, как-нибудь потом) Напишите в комментах насколько было интересно/понятно/актуально/глубоко, о чем еще хочется послушать и вообще любую обратную связь. Я постарался не вдаваться в детали, но оставил ссылку для большего погружения Всем пис ✌🏽
696
4
H₀ - гипотеза нулевая Всем привет! Меня зовут Рома Филев, я выступаю со стендапом на открытых микрофонах, регатах, днях рождения и снимаю обзоры на пиво, а в свободное от этого время я продакт А/Б платформы в Тиньке и развиваю в нем культуру этого самого А/Б тестирования. Давно хотел запустить канал, где буду делиться опытом, идеями и практическими советами по продуктовому менеджменту, A/B-тестированию и еще чем покажется интересным Зачем я завел этот канал? Во-первых, я люблю обсуждать продукты, эксперименты и все что с этим связано, а окружающим, кажется, нравится в этом участвовать Во-вторых, я часто получаю вопросы от коллег, друзей и знакомых о том, где можно почитать про A/B-тестирование и какие есть лучшие практики. Я хочу собрать все эти знания в одном месте и сделать его доступным для всех, насколько смогу) Наконец, время от времени я замечаю некоторые косяки в проверке гипотез и хочется на таких примерах разбирать и делиться своими идеями как можно было бы сделать лучше Надеюсь мы тут будем все это активно обсуждать в комментариях и получится клево Завтра дропну первый пост про то во что иногда упираются малые бизнесы и почему ребятам из индустрии такие проблемы кажутся странными
716