not_cognito (![[personal profile]](https://www.dreamwidth.org/img/silk/identity/user.png)
not_cognito) wrote2021-05-31 03:15 pm
not_cognito) wrote2021-05-31 03:15 pm
Задачка
По задачке пока всё сложно.
У меня есть группы пользователей, которые если объединить "в корзинки", то монетарный инцентив подогревает их хорошо и различимо.
Однако, на атомарном уровне сложно определить - "подогревается" ли пользователь или нет.
Сложно, но не вполне невозможно.
Во-первых, можно применить задачу "о стохастический разладке", или "задачу об оптимальном останове", достаточной статистикой для которой являлась бы прогнозная функция апостериорной вероятности, которая говорит "вот эти конкретные траты" попадают в X% доверительный интервал, или нет. Для каждого конкретного пользователя задачу определения доверительного интервала для прогноза его трат можно загнать даже и в Вольфрам. Тонким моментом является определение статистик с наименьшей дисперсией и критериев. Идеи есть, насколько хорошо это в целом детектируется - пока неясно.
Народ кидает ссылочки на уменьшение дисперсии за счет использования ковариаты, но пока выглядит как магия...
Во-вторых, можно попробовать на каждом пользователе выявить статистику, которая кореллирует с ростом и вывести её в цикл обратной связи. Вот тут пока нет идей, как увязать оптимальную стимуляцию с поведением пользователя, кроме как провести 100500 экспериментов.
У меня есть группы пользователей, которые если объединить "в корзинки", то монетарный инцентив подогревает их хорошо и различимо.
Однако, на атомарном уровне сложно определить - "подогревается" ли пользователь или нет.
Сложно, но не вполне невозможно.
Во-первых, можно применить задачу "о стохастический разладке", или "задачу об оптимальном останове", достаточной статистикой для которой являлась бы прогнозная функция апостериорной вероятности, которая говорит "вот эти конкретные траты" попадают в X% доверительный интервал, или нет. Для каждого конкретного пользователя задачу определения доверительного интервала для прогноза его трат можно загнать даже и в Вольфрам. Тонким моментом является определение статистик с наименьшей дисперсией и критериев. Идеи есть, насколько хорошо это в целом детектируется - пока неясно.
Народ кидает ссылочки на уменьшение дисперсии за счет использования ковариаты, но пока выглядит как магия...
Во-вторых, можно попробовать на каждом пользователе выявить статистику, которая кореллирует с ростом и вывести её в цикл обратной связи. Вот тут пока нет идей, как увязать оптимальную стимуляцию с поведением пользователя, кроме как провести 100500 экспериментов.