Программа митапа:

Станислав Морозов откроет митап с темой "AБ-тестирование в офлайн ритейле. Особенности дизайна эксперимента."

Поговорим о дизайне офлайн АБ-тестов, их специфике. Разберем 5 примеров-ошибок из реальной практики, которые можно допустить при дизайне экспериментов. Определим, в чем была проблема в каждом из примеров и какими методами можно минимизировать вероятность повторного возникновения данных ошибок в будущем. Под конец ответим на вопрос, как лучше выстраивать дизайн экспериментов и как это реализовано у нас.

Алексей Кучаев расскажет про "AБ-тесты на скоррелированных объектах".

Раскроем методы по улучшению свойств механизма АБ-тестирования в ритейле. В том числе, метод кластеризации, который позволил нивелировать влияние сезонного фактора, а также заметно снизить кросс-корреляцию в данных. Рассмотрим метод оценки, который позволил провести расчет эффекта на пилотной группе по отношению ко всей торговой сети, а также учесть имеющиеся различия в тренде. Реализованные методы позволили заметно повысить чувствительность механизма и при этом сохранить его устойчивость на приемлемом уровне.

Ерохин Артем раскроет тему "Как перестать беспокоиться и полюбить метаанализ".

Из этого доклада вы узнаете, что такое метаанализ, зачем он нужен и как обычно используется. Рассмотрим основные подходы, плюсы и минусы, некоторые инструмент, применяемые в процессе метаанализа. Закончим экспериментом, в котором опробуем изученные инструменты и убедимся в их полезности.

А подытожит мероприятие Ваагн Минасян с темой "Doubly Robust Difference-in-Differences Estimators: обзор способа оценки эффекта".

В докладе рассмотрим и обсудим статью Doubly Robust Difference-in-Differences Estimators (Pedro H.C. Sant’Anna, Jun Zhao, 2020). В этой статье выводятся оценки с двойной надежностью (Double Robust, DR) для среднего эффекта воздействия на целевую группу в условиях Difference-in-Differences и предлагаются оценки, которые состоятельны, если выполняется хотя бы одно из двух условий: или параметрическая модель показателя склонности (Propensity Score Model) верно специфицирована,    или параметрическая модель регрессии переменной исхода (Outcome Regression) для контрольной группы верно специфицирована.

В статье приводятся 2 оценки — для панельных данных и для повторяющихся кроссекционных данных. Мы обсудим случай панельных данных.

Встречаемся в 18.00, а разойдемся ближе к 21.00.

Смотрите программу и регистрируйтесь.

Трансляция пройдет на YouTube X5 Tech, но ссылочку мы вам обязательно пришлем!

И будем регулярно информировать о новых событиях #X5tech