При применении МО начинать нужно с самой простой модели, отвечающей требованиям продукта, поскольку наиболее быстрый способ продвижения вперед в процессе МО — получать и анализировать результаты.
Лучше всего уложиться в два последовательных этапа: (1) сформулируйте цель вашего продукта в парадигме МО; (2) оцените осуществимость этой задачи для МО.
течением времени стали появляться платформы для экспериментов наподобие Optimizely124, призванные в какой-то мере упростить эту работу. В идеале такие инструменты должны позволять разработчикам МО-приложений непрерывно повышать качество результатов, предоставляемых каждому пользователю.
Несколько разных A/B-тестов могут одновременно тестировать один и тот же аспект пайплайна, поэтому трудно точно оценить влияние того или иного теста. Когда компании выходят на такой масштаб, им приходится создавать целые платформы для проведения экспериментов. Прочтите описание фреймворка ERF, используемого в компании Airbnb, из статьи Джонатана Паркса (Jonathan Parks) «Масштабирование платформы для проведения экспериментов в компании Airbnb» («Scaling Airbnb’s Experimentation Platform»119); описание платформы XP, используемой в компании Uber, представленное в статье А. Деба (A. Deb) и др. «Внутреннее устройство платформы для проведения экспериментов, используемой в компании Uber» («Under the Hood of Uber’s Experimentation Platform»); или описание проекта с открытым исходным кодом Wasabi, запущенного компанией Intuit, представленное в соответствующем GitHub-репозитории
