Lo más importante son las pruebas AB (pruebas A / B – Wikipedia)
Suponiendo que se trata de anuncios de Internet, toma al azar el 10% de su tráfico y les da un anuncio experimental que espera que mejore alguna métrica . Por ejemplo, muestre un anuncio con un gran botón COMPRAR en rojo intermitente. (Sugerencia: eso probablemente no funcionará …) O puede intentar ejecutar anuncios en dos tipos diferentes de sitios web.
Luego mide esa métrica (un efecto que desea), entre los anuncios antiguos y el anuncio experimental, como:
- ¿Por qué ha sido tan efectivo OpenAI?
- ¿Por qué la función sigmoidea rara vez se usa en capas ocultas recientemente?
- Quiero comprar una PC de segunda mano decente para comenzar con el aprendizaje profundo comprando una GeForce GTX 1070, ¿qué características me deberían interesar?
- ¿Qué es un 'descriptor' en el contexto de una transformación de característica invariante de escala (SIFT)?
- Cómo garantizar que la función SIFT sea invariante en perspectiva
- CTR (porcentaje de clics – Wikipedia)
- compras reales realizadas (conversión)
- tiempo dedicado al sitio web.
- registros de correo electrónico
- etc.
Luego, si el cambio parece ser una mejora significativa, haga que ese cambio se convierta en el anuncio estándar. De lo contrario, intente un nuevo cambio.
Probablemente deba ejecutar durante al menos una semana para tener en cuenta variables como la hora del día, los efectos de fin de semana, etc.
Si ya tiene muchos datos, también puede ejecutar un análisis de regresión: Wikipedia, para determinar qué variables de su base de datos corresponden a la métrica que le interesa. Luego intente mejorar las cosas en función de las variables que tienen los mejores efectos.
Buena suerte.