专题演讲嘉宾：赵田

数据驱动在国外一线互联网公司基本已经普及，无论 Facebook、Amazon 还是 Google 内部都有一套非常成熟的实验系统去助力产品、策略的快速演进。当下国内互联网市场，已经很少有蓝海市场，基本都是红海厮杀，那么一个产品能不能快速验证，通过数据驱动做出正确的决策，也就决定了其竞争力如何。一套好用可信的实验平台，支持正交高效的分流以及强大的实验分析诊断对产品进行数据驱动、快速迭代起到了至关重要的作用。目前本人所负责的实验平台已在公司内覆盖绝大多数 BG，共 40+ 产品进行使用，包括图文推荐、短视频推荐、广告推荐、在线教育、金融、游戏等，支持多种实验方式，除了传统的 A/B 实验，还有多臂老虎机实验，Interleaving 实验等。本次我将分享本 A/B 实验平台在腾讯的落地经验。

演讲提纲：
1. 为什么 AI 算法需要 A/B 实验进行助力？
2. 如何构建一套可信、好用、赋能 AI 算法的实验平台？

• 高效正交多层分流——规避实验排队
• 客观科学的实验评估——建立公信力
• 高效的分析诊断——问题归因

3. 如何以正确的姿势来进行 A/B 实验？

• 算法同学常犯的 A/B 实验错误
• 如何科学通过 A/B 实验进行算法迭代

4. 还有没有优雅快捷实验方式来加速 AI 算法迭代？

• Interleaving 实验
• MAB(多臂老虎机实验)

你将获得：

• 产品同学和数据科学同学：认识数据驱动、增长相关的重要工具——A/B 实验
• 效能研发工具同学：如何构建支持过亿 DAU 产品的实验平台
• 产品研发同学：如何使用实验平台来助力产品迭代
• 管理者：尽快的把实验驱动产品的改进理念和工具引进到所在公司
• 硅谷前沿的实验技术在国内的落地实践经验