在线控制实验中的统计挑战：A/B测试方法学综述
摘要：网络服务和产品在20世纪90年代末的兴起为在线业务提供了前所未有的大规模数据驱动决策的机会。在过去的二十年里，诸如Airbnb、阿里巴巴、亚马逊、百度、Booking、谷歌的Alphabet、领英、Lyft、Facebook的Meta、微软、Netflix、Twitter、Uber和Yandex等组织在在线对照实验(OCE)方面投入了巨大的资源，以评估创新对客户和业务的影响。大规模运行OCE提出了一系列挑战，需要多个领域的解决方案。在本文中，我们回顾了需要新的统计方法来解决的挑战。特别是，我们讨论了在线实验的实践和文化，以及其统计文献，将当前的方法论置于相关统计学流派中，并提供了OCE应用的示例。我们的目标是提高学术统计学家对这些新的研究机会的认识，以增加学术界和在线行业之间的合作。
作者：Nicholas Larsen, Jonathan Stallrich, Srijan Sengupta, Alex Deng, Ron Kohavi, Nathaniel Stevens
论文ID：2212.11366
分类：Applications
分类简称：stat.AP
提交时间：2023-08-31