Bandido multi-brazo
Un multi-armed bandit asigna el tráfico de forma adaptativa hacia las variantes que están funcionando bien mientras continúa muestreando las otras. Reduce el costo de probar opciones inferiores, a costa de una estimación menos precisa del verdadero efecto de cada variante.
Por qué es importante para el ARPU
Los Bandits son adecuados para elecciones de gran volumen y bajo riesgo, como la selección de creatividades. La fijación de precios, los incentivos y las ofertas de retención suelen merecer un experimento limpio en su lugar.
Términos relacionados
A/B testUn A/B test asigna aleatoriamente a los clientes a dos o más variantes y compara una métrica predeclarada entre ellas.Reinforcement learning para marketingEl reinforcement learning trata las decisiones del cliente como una secuencia, optimizando la recompensa acumulativa a largo plazo en lugar del siguiente clic.Pruebas secuencialesLas pruebas secuenciales permiten monitorear los resultados continuamente y detenerse temprano sin inflar los falsos positivos, usando intervalos de confianza siempre válidos en lugar de una única verificación de horizonte fijo.Efecto de novedadEl efecto de novedad es un uplift de respuesta temporal causado por el hecho de que un cambio es nuevo, más que mejor.