We’ve traditionally relied on A/B testing at DoorDash to guide our decisions.
Category Archives: Data
Safeguarding app health and consumer experience with metric-aware rollouts
As part of our ongoing efforts to enhance product development while safeguarding app health and the consumer experience, we are introducing metric-aware rollouts for experiments.
Sharpening the Blur: Removing dilution to maximize experiment power
When it comes to reducing variance in experiments, the spotlight often falls on sophisticated methods like CUPED (Controlled Experiments Using Pre-Experiment Data).
Abordagem API-First para a criação de tópicos Kafka
As equipas de engenharia da DoorDash renovaram a criação de tópicos Kafka, substituindo uma abordagem baseada em Terraform/Atlantis por uma API interna, Infra Service.
Transformando MLOps na DoorDash com o Workbench de aprendizado de máquina
É engraçado para um ser humano escrever um artigo sobre inteligência artificial numa altura em que os sistemas de IA, alimentados pela aprendizagem automática (ML), estão a gerar os seus próprios blogues.
Utilização do Flink para detetar sessões de utilizadores e envolver os consumidores do DoorDash com notificações em tempo real
Na Doordash, valorizamos todas as oportunidades de aumentar as conversões de encomendas na aplicação.
Como o DoorDash padronizou e melhorou o cache de microsserviços
À medida que a arquitetura de microsserviços da DoorDash cresceu, também cresceu o volume de tráfego entre serviços.
Resolver os desafios da incompatibilidade do rácio de amostragem nos testes A/B
A experimentação não é apenas uma pedra angular da inovação e da tomada de decisões sólidas; é frequentemente referida como o padrão de ouro para a resolução de problemas, graças, em parte, às suas raízes no método científico.
Usando a camada de métricas para padronizar e dimensionar a experimentação na DoorDash
As métricas são vitais para medir o sucesso em qualquer empresa orientada por dados, mas garantir que essas métricas são medidas de forma consistente e exacta em toda a organização pode ser um desafio.
Usando o CockroachDB para reduzir os custos do armazenamento de recursos em 75%
Durante a criação de um armazenamento de funcionalidades para lidar com o crescimento maciço da nossa plataforma de aprendizagem automática ("ML"), aprendemos que a utilização de uma mistura de bases de dados diferentes pode produzir ganhos significativos em termos de eficiência e simplicidade operacional.