量化決策,正成為企業在數智化浪潮中掌握方向的必備之舵。
作為量化決策的關鍵工具,A/B實驗能夠通過科學的實驗鏈路,對特定策略進行效應評估,從而支持企業在業務場景中實現高效歸因與精準決策,用數據找到推陳出新的最優解。這也是火山引擎數據飛輪模式所提倡的——用數據消費實現決策環節的科學與智能。
作為行業內領先的量化決策的工具,火山引擎A/B測試DataTester孵化于有著濃厚的A/B實驗文化的字節跳動。在字節內部,DataTester覆蓋了字節內部500多個業務,平臺上共有超240萬個實驗,其中同時運行的實驗超5萬個,從實踐中沉淀了一站式實驗管理與場景化特型實驗等全方位實驗能力。
業務場景復雜化、多元化的趨勢,打破了沿用傳統假設檢驗框架的慣性。邊際收益、干涉效應、自動實驗配置以及隨機實驗盲區等一系列伴生于業務快速發展的新挑戰,促使DataTester邁向超越傳統假設、拓展邊界的創新之路。
在邊際收益方面,DataTester技術團隊通過提升敏感度指標,推出增強版CUPED方法,從而對上新策略的真實效應進行準確度量。在相同樣本量下,可準確度量出較之原來小20%的真實效應度,為業務提供更精確的助力。
為應對干涉效應挑戰,DataTester技術團隊基于并行化的Leiden算法,快速處理億級用戶的復雜社交網絡,完成基于社交圈的聚類分流。此外,團隊對傳統A/B實驗數據進行了統計修正和調整,基于馬爾科夫過程和強化學習,解決了市場雙邊關系和間接干涉場景問題。自動實驗配置方面,實驗平臺則加入了遷移學習的貝葉斯黑盒調參。
在應對策略分配不均等隨機試驗盲區問題時,實驗平臺采用觀察因果推斷作為傳統 A/B測試的替代工具。相較于后者,因果推斷通常為全量采樣,數據采集成本更低,但后續的分析、解讀和溝通成本卻更高。有鑒于此,DataTester技術團隊優化了觀察因果推斷過程,著力于提升穩健性與降低風險,為用戶提供盡可能自動化的、支持觀察因果推斷的分析工具,以保證在高結論質量下進行精準決策。
在實踐中,中小型業務是因果推斷這一工具的重要落地場景。對中小型業務而言,在脫離高速成長期后,往往會面臨用戶數不足、實驗結果不顯著的困境,而因果推斷正是適配解法。目前,火山引擎A/B測試的因果推斷工具已落地游戲、本地生活、電商以及互娛體驗等行業的中小型業務,未來還將進一步探索更多落地場景。
DataTester能幫助企業實現數據飛輪驅動下的降本增效?!皵祿w輪”是火山引擎基于字節跳動數據驅動的實踐經驗,所提煉的企業數智化升級新模式。它倡導企業擴大數據消費,將數據消費貫穿到企業的各個業務場景中,從而實現數據流與業務流的充分融合,最終實現業務價值的提升。
目前,數據飛輪已在互聯網、金融、消費、汽車等多個行業歷經實踐,它為企業帶來一種數據賦能業務的新視角,加速企業數智化轉型。(作者:張棟)
本文鏈接:http://www.tebozhan.com/showinfo-45-6398-0.html火山引擎數據飛輪助推企業量化決策能力更上層樓
聲明:本網頁內容旨在傳播知識,若有侵權等問題請及時與本網聯系,我們將在第一時間刪除處理。郵件:2376512515@qq.com