Skip to content

Utilisation de l'analyse causale de l'ajustement en amont pour mesurer les effets avant-après

Lorsque les tests A/B ne sont pas recommandés en raison d'exigences réglementaires ou de limitations techniques à la mise en place d'une expérience contrôlée, nous pouvons toujours mettre en œuvre rapidement une nouvelle fonctionnalité et en mesurer les effets de manière fondée sur des données.

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.