A/B实验的层域模型设计和选型

5月25日，由DataFun出品的数据科学峰会，将邀请8位专家和出品人共同策划，邀请来自国内外一线的专家学者分享数据科学的最新实践探索，其中来腾讯的数据科学家李池洋 老师将分享《基于两步随机化的实验流量管理与分配 》，感兴趣的小伙伴欢迎扫码报名，收看直播：

李池洋 腾讯 数据科学家

个人介绍：2015年于北京大学数学科学学院本科毕业，2017年于伊利诺伊大学香槟分校硕士毕业。2018年加入腾讯后主要负责腾讯广告实验科学及营销科学相关内容。实验科学方面，负责了双边市场下的评估指标和实验设计、方差削减的理论研究及应用、长期holdout实验机制设计等多个项目，为不同业务的评估衡量提供科学保证。营销科学方面，负责了uplift实验衡量品牌增益、5R及R0人群科学定义等项目，为品牌广告主的效果影响提供理论支持。

演讲题目：基于两步随机化的实验流量管理与分配

演讲提纲： 实验平台使用层域模型进行流量管理，传统的层域模型设计中，大多通过一次随机化计算，同时完成流量划分与随机分组的操作。但在广告的复杂业务场景下，由于需要使用多种实验设计、模块间联动实验需求高、系统环境变更频繁等原因，传统的一步随机化模型会面临种种问题。已处理，我们设计了基于两步随机化的实验分流方案，在不同随机化步骤中对划分单元与随机化单元进行区分与处理，来优化实验流量管理与分配逻辑，以支持更多业务场景的实验，并提高效果评估准确性。本次演讲将介绍AB实验平台常见的流量管理与分配模型、划分单元与随机化单元的概念、两步随机化下的采样逻辑及层域模型设计、两步随机化对系统的价值。

听众收益：

1. A/B实验的层域模型设计和选型

2. 两步随机化下的采样逻辑

3. 两步随机化下的流量管理与分配模型