Здравствуйте, да, планирую при возможности выпустить статью про Uplift и в открытых источниках много статей на тематику моделей Uplift, в частности выступления Валерия Бабушкина, и другие, доступные уже сейчас
Да, имена авторов исходного курса: Елена Тимофеева, ваш покорный слуга, Евгений Бокарев, Станислав Воронков, Всеволод Подшибякин и Елена Ставровская, все коллеги внесли огромный вклад в формирование структуры курса и курсовых лекционных и практических материалов
Курс по введению в анализ данных основан во многом на материалах, которые мы с коллегами (ныне перешли из Mail.Ru и VK в Ozon и другие компании, включая зарубежные) разрабатывали и преподавали в 2020, 2021 и 2022 годах в рамках Технопарка, Техносферы, Техноатома и VK Образования - структура курса состоит ровно из тех же модулей, включая Python, SQL, визуализации в Plotly (согласитесь, необычное совпадение, что преподается та же самая библиотека, хотя она не является базовой в отличии от Matplotlib) и Matplotlib с Seaborn, лекции по статистическим тестам и вычислению основных статистик; в 2022 году у нас запросили полный перечень лекционных материалов в редактируемом формате, который мы высылали коллегам без подозрений, что они будут использоваться без указания авторства; конечно, приятно, что коллеги так высоко оценили наши лекционные материалы, что полностью перенесли их в новый курс, урезав список тем, однако было бы неплохо первоначально запросить разрешение у Авторов на переиспользование материалов в курсе без упоминания Авторов этих материалов
Надеемся всё же, что VK Образование не планирует заниматься плагиатом и практиковать использование лекционных материалов без указания авторства фактических исходников
Bootstrap — это не метод оценки стат.значимости, а метод конструирования подвыборки; визуальный пример и подробное описание метода: online.stat.psu.edu/stat555/node/119
В библиотеке Facebook Bootstrapped реализованы функции: bootstrap() (конктруктор выборки) и bootstrap_ab(). Обе функции подробно описаны в статье:
Цитирую:
bootstrap_ab()
производит все те же действия, что и описанная выше функция bootstrap(), однако дополнительно также <...> рассчитывается метрика, указанная в параметре compare_func, и производится оценка статистической значимости.
<...>
В качестве альтернативы или с целью практичекого эксперимента можно первоначально получить распределения при помощи bootstrap(), проверить статистическую значимость различий целевых метрик при помощи t-test’а
А может быть так что метрика фиксирует падение посещаемости по данным запросам и понижает сайт в выдаче? То есть это прям система с положительной обратной связью
Это была бы явная недоработка при составлении факторов ранжирования — неверно учтённый фактор (total визитов, а не органические переходы + прямые заходы type-in).
Посмотрите при помощи web-консоли на позиции Вашего snippet'а по группам запросов, по которым закупалась реклама (в ретроспективе), а также визуально посмотрите непосредственно на текущую позицию, на которой размещается snippet в поиске — если Вы видите одну и ту же позицию и до, и после включения рекламы в Direct, то дело не в заговоре :)
Возможно, что в процессе логирования возникает ошибка — Direct прокидывается и в органические перехдоы в том числе;
Посмотрите на примерную каннибализацию — сколько пользователей по LastAttribution переходят с Direct, сколько с органической выдачи до и после включения РК:
1) гипотеза ошибки логирования: если кол-во пользователей/визитов с органики упало ровно на столько же, на сколько упало кол-во пользователей/визитов с Direct, то есть подозрение на ошибку логирования;
2) гипотеза психологии поведения: пользователи, переходящие с органики, чаще кликают на snippet в органической выдаче, если видят выше рекламный блок (рекламный блок работает как «подсветка», но пользователь просматривает и остальную выдачу и увидев похожий сайт, захдоит на него с органики); это возможно, если Ваш блок в органической выдаче находится на первой странице.
Здравствуйте, да, планирую при возможности выпустить статью про Uplift и в открытых источниках много статей на тематику моделей Uplift, в частности выступления Валерия Бабушкина, и другие, доступные уже сейчас
Да, имена авторов исходного курса: Елена Тимофеева, ваш покорный слуга, Евгений Бокарев, Станислав Воронков, Всеволод Подшибякин и Елена Ставровская, все коллеги внесли огромный вклад в формирование структуры курса и курсовых лекционных и практических материалов
Курс по введению в анализ данных основан во многом на материалах, которые мы с коллегами (ныне перешли из Mail.Ru и VK в Ozon и другие компании, включая зарубежные) разрабатывали и преподавали в 2020, 2021 и 2022 годах в рамках Технопарка, Техносферы, Техноатома и VK Образования - структура курса состоит ровно из тех же модулей, включая Python, SQL, визуализации в Plotly (согласитесь, необычное совпадение, что преподается та же самая библиотека, хотя она не является базовой в отличии от Matplotlib) и Matplotlib с Seaborn, лекции по статистическим тестам и вычислению основных статистик; в 2022 году у нас запросили полный перечень лекционных материалов в редактируемом формате, который мы высылали коллегам без подозрений, что они будут использоваться без указания авторства; конечно, приятно, что коллеги так высоко оценили наши лекционные материалы, что полностью перенесли их в новый курс, урезав список тем, однако было бы неплохо первоначально запросить разрешение у Авторов на переиспользование материалов в курсе без упоминания Авторов этих материалов
Надеемся всё же, что VK Образование не планирует заниматься плагиатом и практиковать использование лекционных материалов без указания авторства фактических исходников
В библиотеке Facebook Bootstrapped реализованы функции: bootstrap() (конктруктор выборки) и bootstrap_ab(). Обе функции подробно описаны в статье:
Цитирую:
Это была бы явная недоработка при составлении факторов ранжирования — неверно учтённый фактор (total визитов, а не органические переходы + прямые заходы type-in).
Возможно, что в процессе логирования возникает ошибка — Direct прокидывается и в органические перехдоы в том числе;
Посмотрите на примерную каннибализацию — сколько пользователей по LastAttribution переходят с Direct, сколько с органической выдачи до и после включения РК:
1) гипотеза ошибки логирования: если кол-во пользователей/визитов с органики упало ровно на столько же, на сколько упало кол-во пользователей/визитов с Direct, то есть подозрение на ошибку логирования;
2) гипотеза психологии поведения: пользователи, переходящие с органики, чаще кликают на snippet в органической выдаче, если видят выше рекламный блок (рекламный блок работает как «подсветка», но пользователь просматривает и остальную выдачу и увидев похожий сайт, захдоит на него с органики); это возможно, если Ваш блок в органической выдаче находится на первой странице.