experimentation 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.

Using Metrics Layer to Standardize and Scale Experimentation at DoorDash

Metrics are vital for measuring success in any data-driven company, but ensuring that these metrics are consistently and accurately measured across the organization can be challenging.

Équilibrer la rapidité et la confiance dans l'expérimentation

Pour mener à bien des milliers d'expériences, 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 Essential Steps for Building a Simulator

For complex systems such as the DoorDash assignment system, simulating the impact of algorithmic changes is often faster and less costly than experimenting on features live in production.

Using ML and Optimization to Solve DoorDash’s Dispatch Problem

DoorDash delivers millions of orders every day with the help of DeepRed, the system at the center of our last-mile logistics platform.

Soutenir l'itération rapide des produits à l'aide d'une plate-forme 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 des fonctionnalités basées sur les données.

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

Les principes et processus de DoorDash pour démocratiser l'apprentissage automatique.

Il y a six mois, j'ai rejoint DoorDash en tant que premier responsable de la science des données et de l'apprentissage automatique.

Analyzing Switchback Experiments by Cluster Robust Standard Error to Prevent False Positive Results

Within the dispatch team of DoorDash, we are making decisions and iterations every day ranging from business strategies, products, machine learning algorithms, to optimizations.

Experiment Rigor for Switchback Experiment Analysis

At DoorDash, we believe in learning from our marketplace of Consumers, Dashers, and Merchants and thus rely heavily on experimentation to make the data-driven product and business decisions.