Multi-armed bandit
Un multi-armed bandit alloca il traffico in modo adattivo verso le varianti che stanno performando bene, continuando a campionare le altre. Riduce il costo di testare opzioni inferiori, al prezzo di una stima meno pulita del vero effetto di ogni variante.
Perché è importante per l'ARPU
I Bandits si adattano a scelte ad alto volume e a basso rischio come la selezione creativa. Prezzi, incentivi e offerte di retention di solito meritano un esperimento pulito.
Termini correlati
A/B testUn A/B test assegna casualmente i clienti a due o più varianti e confronta una metrica pre-dichiarata tra loro.Reinforcement learning per il marketingIl reinforcement learning tratta le decisioni del cliente come una sequenza, ottimizzando la ricompensa cumulativa a lungo termine piuttosto che il clic successivo.Test sequenzialeIl test sequenziale consente di monitorare continuamente i risultati e di interrompere anticipatamente senza gonfiare i falsi positivi, utilizzando intervalli di confidenza sempre validi invece di un singolo controllo a orizzonte fisso.Effetto novitàL'effetto novità è un uplift temporaneo nella risposta causato dal fatto che un cambiamento è nuovo piuttosto che migliore.