​​Confidence Interval

The 95% confidence interval dominates experimentation. Why you should make 95% your default, and when and how to adjust it.

via @ABtesting
​​How to Select the Right Statistical Tests for Different A/B Metrics.

A Discussion of the go-to methods for 5 Types of A/B Metrics.

via @ABtesting
​​Shared.domains - ссылки с морд в складчину

Как участник, всего за $150 вы получите ссылку с главной страницы домена, который был куплен на аукционе за $2000, а продление на следующий год будет стоить $30-50 (в зависимости от числа участников).

Работает это так: ежедневно в сервисе shared.domains появляются новые домены - это уже отобранные вручную домены, с нормальными анкорами, чистой историей по web archive и с максимальным числом ссылок в главную страницу и после выкупа домена, каждый участник получает ссылку с главной страницы.

Как сервис, мы хотим дать больше value нашим клиентам, поэтому активно ищем участников для нишевых складчин, где вашими соседями будут только сайты в той же нише.

Анжела @shared_domains_support готова ответить на все ваши вопросы, а при регистрации на сайте shared.domains по промокоду 2022 можно получить $25 на счет.
​​A/B Testing Result Analysis Using Python— Beginner’s Guide

via @ABtesting
​​Mindmap for Statistic test

via @ABtesting
​​Optimizing Marketing Strategies using A/B Testing with Machine Learning (Part 1, Part 2)

via @ABtesting
Forwarded from BigQuery Insights
​​BigQuery UDF for A/B-testing

Automate the calculations of experimental results in BigQuery via User Defined Function.

@BigQuery.
​​Difference-in-Differences

Метод оцінки ефекту змін у випадку, коли немає змоги провести A/B-тест.
+ приклад реалізації на Python.

@ABtesting
Forwarded from BigQuery Insights
​​Як обійти обмеження Google Optimize при аналізі результатів A/B-тестування використовуючи BigQuery та Python зі зразками коду.

@BigQuery
An Introduction to Bayesian A/B Testing in Stan, R, and Python workshop - цікавий воркшоп від Dariia Mykhailyshyna за донат.

Про основи байєсівського підходу до A/B тестування та теорії прийняття рішень для аналізу великомасштабних експериментів у промислових умовах.

Більше корисних воркшопів тут.

@ABtesting
​​Google продовжує навчальну програму "Розвивайте кар’єру з Google Cloud" - тепер із фокусом на машинне навчання (ML), штучний інтелект (АІ) та роботу з даними!

Програма стартує 18 вересня та націлена на програмістів, IT-інженерів, студентів IT-спеціальностей і точних наук, а також нетехнічних фахівців, які працюють із даними.

Учасники програми отримають:

✔️45 днів безкоштовного доступу до платформи Google Cloud Skills Boost
✔️практичний досвід
✔️індивідуальні напрями навчання, зокрема з фокусом на АІ, ML та дані
✔️призи від Google
✔️безкоштовні ваучери на сертифікаційний іспит Google Cloud
✔️поради від експертів із хмарних технологій

🔗 Долучайтеся до програми за посиланням!
​​Delusive Extrapolation and A/B Testing

Cautionary Tales of Complexity and the Dangers of Jumping to Conclusions

@ABtesting
​​When You Should Prefer “Thompson Sampling” Over A/B Tests

An in-depth explanation of “Thompson Sampling”, a more efficient alternative to A/B testing for online learning

@ABtesting
Forwarded from Product Analytics
​​The downsides of experimentation

The article help you to delve into the less discussed, yet critical, aspects of experimentation.

@ProductAnalytics
2024/05/09 03:12:41
Back to Top
HTML Embed Code: