用神经网络老虎机对页面登录进行多参数优化的小妙招

我很乐意分享我用神经网络老虎机策略论坛对页面登录进行多参数优化的一些实验。我想到这个点子已经有半年了，而且我发现从自动操作这个角度来看它十分有趣。A/B  测试会消耗市场专家大量时间，同时它们需要有大量的流量才能表现良好。当一个小团队来管理大量页面时，这就很成问题了。对于一些项目来说，这也与登录页面的“老化”有关——它们会随着促销或优惠的结束而过时。有许多方法可以解决这个问题。在谷歌优化方案中比较旧的方案 MVTs（多变量测试）将分割所有可能的登录页面版本间的流量。并且适用于 3 个变量的测试。但是想象一下，你要测试 3 个标题，3 个子标题，2 个按钮颜色和 2 个标题图片，再加上总体布局的几个版本。这很容易达到 10k+不同的组合。由于你估计了 50k 的流量，目标是尽快找到最优或接近最优的版本。你牺牲了纯粹的统计精度，并试图尽快达到尽可能多的转换。我知道少量的潜在方法。首先，考虑不同的特性。因为它们是独立的实体，想象一下你正在做一个独立的数字 A /B  测试，这样你将很快得到一些结果，但是如果存在有交叉特征的相关性，你将会错过它们，你的解决方案并不是最佳的。二是使用遗传算法。有一些公司就这样做了——比如 Sentient Ascend。从他们的宣传材料来看，他们似乎使用了某种遗传算法。三是运用多臂老虎机理论。解决老虎机策略论坛问题的方法之一是利用强化学习和神经网络。