expérimentation Archives

Expérimenter plus vite et avec moins d'efforts

Expériences de politique commerciale à l'aide de plans factoriels fractionnaires

Chez DoorDash, nous nous efforçons constamment d'améliorer nos processus d'expérimentation en tenant compte de quatre dimensions clés, à savoir la vélocité pour augmenter le nombre d'expériences que nous pouvons mener, le labeur pour minimiser nos efforts de lancement et d'analyse, la rigueur pour garantir une conception expérimentale solide et des analyses robustes et efficaces, et l'efficacité pour réduire les coûts associés à nos efforts d'expérimentation.

Relever le défi de l'inadéquation du ratio d'échantillonnage dans les tests A/B

L'expérimentation n'est pas seulement la pierre angulaire de l'innovation et de la prise de décision ; elle est souvent considérée comme l'étalon-or de la résolution de problèmes, en partie grâce à ses racines dans la méthode scientifique.

Utiliser la couche de métriques pour normaliser et étendre l'expérimentation chez DoorDash

Les indicateurs sont essentiels pour mesurer le succès d'une entreprise fondée sur les données, mais il peut être difficile de s'assurer que ces indicateurs sont mesurés de manière cohérente et précise dans l'ensemble de l'organisation.

Équilibrer la rapidité et la confiance dans l'expérimentation

Pour mener des milliers d'expériences de manière efficace, il faut trouver un juste équilibre entre notre rapidité et les contrôles nécessaires pour maintenir la confiance dans les résultats expérimentaux, mais il n'est jamais facile de trouver cet équilibre.

4 étapes essentielles pour la construction d'un simulateur

Pour les systèmes complexes tels que le système d'affectation DoorDash, la simulation de l'impact des changements algorithmiques est souvent plus rapide et moins coûteuse que l'expérimentation des fonctionnalités en production.

Utiliser la ML et l'optimisation pour résoudre le problème d'expédition de DoorDash

DoorDash livre des millions de commandes chaque jour avec l'aide de DeepRed, le système au centre de notre plateforme logistique du dernier kilomètre.

Soutenir l'itération rapide des produits à l'aide d'une plateforme d'analyse de l'expérimentation

La nouvelle plateforme d'expérimentation de DoorDash, construite sur une combinaison de SQL, Kubernetes et Python, permet une itération rapide des améliorations de fonctionnalités basées sur les données.

Organiser l'apprentissage automatique : Tous les goûts sont dans la nature !

Les principes et processus de DoorDash pour démocratiser le Machine Learning
Il y a six mois, j'ai rejoint DoorDash en tant que premier responsable de la science des données et de l'apprentissage automatique.

Analyser les expériences de Switchback en utilisant l'erreur standard robuste de Cluster pour éviter les résultats faussement positifs

Au sein de l'équipe d'expédition de DoorDash, nous prenons des décisions et procédons à des itérations tous les jours, qu'il s'agisse de stratégies commerciales, de produits, d'algorithmes d'apprentissage automatique ou d'optimisations.

Rigueur de l'expérience pour l'analyse de l'expérience de rétrocession

Chez DoorDash, nous croyons en l'apprentissage à partir de notre marché de consommateurs, dashers et marchands et nous nous appuyons donc fortement sur l'expérimentation pour prendre des décisions commerciales et de produits basées sur des données.