Tinkoff Product Analytics Meetup: A/B-тесты (offline)

1 видео, 3 презентации

Как ускорять проведение A/B-тестов, повышать их удобство и влиять на качество принимаемых решений? Все это обсудим вместе со спикерами из HeadHunter, Яндекса и Тинькофф на апрельском митапе по A/B-тестам.

Поговорим про то, как Тинькофф использует последовательный анализ для быстрого принятия решений, как команда из HeadHunter автоматизировали принятие решений по экспериментам и как Яндексу удается работать с большим количеством метрик.

Сбор гостей: с 18:30
Начало программы: в 19:00

Подтверждение офлайн-участия мы направим отдельным письмом за несколько дней до мероприятия. Зарегистрироваться на онлайн и получить ссылку на трансляцию — можно здесь.

Подробная схема, как добраться до Tinkoff Space, доступна по ссылке.

Пожалуйста, не забудьте захватить с собой паспорт или водительское удостоверение — документ потребуется для пропуска на территорию Tinkoff Space.

Дата и время

24 апреля 2024, 19:00 (МСК)

Место проведения

Офлайн, Москва, Грузинский Вал, д.7, T-Space

Доклады

Подглядывай правильно: как ускорить принятие решений с помощью последовательного анализа

Расскажу, как можно решать проблему подглядывания с помощью последовательного анализа. Поделюсь историей конкретного теста: как мы его ускорили с помощью последовательного анализа, результатами исследования последовательного анализа, корректна ли методология и насколько она ускоряет тесты, а также покажу, как начать применять последовательный анализ у себя.

Виктор Харламов

Т-Банк

Self-Service запуска коммуникационных А/В-тестов

В докладе расскажу о том, как в hh.ru внедрили Self-service процесс тестирования email-коммуникаций, проинтегрировав его с внутренней А/В-платформой и автоматизировав принятие решений по экспериментам. Покажу типы тестов и метрики, на основе которых принимаются решения, а также поделюсь, почему было решено делать собственный инструмент, а не взять готовый рыночный продукт.

Наталья Лукьянчикова

HeadHunter

Как в Алисе автоматизируют дебаг A/B-экспериментов с прокрасившимися метриками

В Алисе еженедельно проводятся десятки экспериментов на разные аспекты качества. У каждой команды есть свои метрики. И часто бывает, что у экспериментатора прокрашено много метрик, иногда таких, которые он видит впервые. И как принимать решение по такому эксперименту, где прокрашено 100+ метрик?

Я расскажу о том, что мы сделали в команде аналитики Алисы, чтобы экспериментаторам стало проще дебажить эксперименты и принимать по ним решения

Роман Рыбальченко

Яндекс