数据驱动增长:基于A/B测试的探索和优化在多场景中的灵活运用

所属职位

设计匠艺

时间

06月25日 09:00 - 12:00

关注热度

25637

互联网

我是开发经理

课程大纲

课程大纲

数字时代伴随着各行各业的数据爆发性的产生, 然而如何合理运用数据仍然非常具有挑战性。A/B 测试已经广泛运用到互联网产品开发以及其他一些传统行业来取得对产品质量, 用户接受程度等重要信息。这里根据我多年的线上与线下,以及在多种场景中A/B 测试, 数据挖掘等的设计经验, 带领大家从几个案例中学习如何在多种数据化的工作场景中设计和运用A/B 测试和其他的数据模型方法,灵活快速的获得宝贵的信息。不管是拥有大数据还是小数据,基于A/B测试的探索和优化系统可以有效的通过不断的系统学习,测量,优化明确的为自己或客户提高商业或其他方面的收益)
一、介绍什么是A/B 测试以及基本的运用
1. 什么是A/B 测试, 有什么用
2. A/B测试基本的数据统计原理
3. A/B 测试在大型网络公司中的应用
4. A/B 测试在传统行业中的应用
5. 如何设计一个合理的A/B 测试
6. A/B测试的局限性

二、通过案例了解如何灵活的在数据反馈系统设计A/B 测试
1. 什么样的场景可以做A/B 测试
2. 如何探索和优化, 克服局限性
3. 大数据还是小数据
4. 优化场景的目标是什么
5. 如何通过测试和优化达到目标
6. 案例1: 大型连锁超市的线下A/B 测试系统
7. 案例2: 数据实时反馈系统的测试和优化

三、探索和优化系统的一些具体方法
1. 精准测量目标的一些统计方法
2. 多目标的优化算法
3. bandit 算法的探索
4. 如何有效缩短需要实验的时间与数据量
5. 其他的一些常用算法
讨论: 举出一个或多个案例, 讨论如何运用数据优化系统的运营, 达到或超过目标的收益

目标收益

1.了解基本的A/B 测试和其他统计模型的运用;
2.了解可能的运用场景;
3.了解怎样设计数据算法系统来优化和精确的测量带来的收益。

张健

Facebook

高级数据科学家

评分

8.0

关注度

3703

理论物理学博士, 曾在3M, 微软,Facebook 公司担任数据科学家和算法工程师,有长期的数据发掘,机器学习,大数据探索和优化的经验。致力于运用数据达到提高产品质量,为客户提高收入等明确目标。
曾经做过的项目:设计并实现3M图像与显示部门数据反馈与优化系统,提高微软搜索引擎功能,预测Facebook用户和活跃度增长前景等等。

MPD成都站

单人票   3000

目前可以以优惠的价格,选择一个你想要参与的课程进行购买。日期有限,请尽快下单。