bts防弹少年团演唱会

bts防弹少年团演唱会

适者变异的生存:优化中的进化算法

《适者变异的生存:优化中的进化算法》

如果您经常阅读此博客,您可能不需要介绍CRO或A / B测试。 你知道主要的参与者,最佳实践,并且你可能已经测试过你公平的想法。

但是,作为专家,您可能知道当前方法的一些持续挫折。 仅列出一对:

  • 测试只需要时间。
  • 我们最好的直觉往往是错误的。

事实上, %E4%B8%83%E4%B8%AA%E6%B5%8B%E8%AF%95%E4%B8%AD%E5%8F%AA%E6%9C%89%E4%B8%80%E4%B8%AA%E5%AE%9E%E9%99%85%E4%B8%8A%E6%98%AF%E6%88%90%E5%8A%9F%E7%9A%84%E3%80%82“>

但人工智能的新进展可能有所帮助。

很快,在我们开始之前,值得说出当我们说“人工智能”时我们的意思。毕竟,这个词有点模糊,不同的人在谈论我们时意味着不同的东西。

对我们来说, AI%E6%84%8F%E5%91%B3%E7%9D%80%E4%B8%80%E4%B8%AA%E8%87%AA%E4%B8%BB%E5%86%B3%E7%AD%96

对于CRO来说,这意味着人工智能从用户交互中学习,并决定接下来要测试什么。 它理解行为,并有能力修复坏主意,同时提升好主意。 尽管人工智能中有很多形式,但在这篇文章中我们将深入探讨我们构建的Sentient” ascend>特定的形式:进化算法。

进化算法入门

那么,什么是进化算法?

简而言之, %E8%BF%9B%E5%8C%96%E7%AE%97%E6%B3%95%E4%BB%A5%E5%8F%8A%E6%9B%B4%E5%B9%BF%E6%B3%9B%E7%9A%84%E8%BF%9B%E5%8C%96%E8%AE%A1%E7%AE%97%E9%A2%86%E5%9F%9F%E6%98%AF%E4%B8%80%E7%A7%8D%E6%A8%A1%E4%BB%BF%E8%BE%BE%E5%B0%94%E6%96%87%E8%87%AA%E7%84%B6%E9%80%89%E6%8B%A9%E7%9A%84%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E3%80%82″>

《适者变异的生存:优化中的进化算法》

算法像有机体一样朝着更理想的解决方案发展,它们的进化就像在生物世界中一样:随着时间的推移,更适合解决问题的算法可以繁殖并生成更好更好的世代,而更糟的算法则是有效地从人口中删除。

算法由单个“基因”(单个规则或代码片段)组成,好基因在连续几代算法中传播,而不良基因(如不执行算法)会被淘汰。

身体素质

算法发展和良好基因选择的关键是适应性概念。

%E5%81%A5%E8%BA%AB%E6%98%AF%E4%BD%BF%E4%B8%80%E7%A7%8D%EF%BC%88%E6%88%96%E7%AE%97%E6%B3%95%EF%BC%89%E6%AF%94%E5%8F%A6%E4%B8%80%E7%A7%8D%E6%9B%B4%E5%A5%BD%E7%9A%84%E7%89%B9%E5%BE%81%E3%80%82″>

例如,看一下这个图。 它显示基因型A随时间的频率增加,其相对适应性比基因型B高1%:

《适者变异的生存:优化中的进化算法》

重要的是要注意构成算法的基因和适应度量是由从业者创建的。 这些不是流氓算法从互联网上获取他们想要的任何数据并随意应用它。 相反,他们有不同的目标和成分。

来自电子游戏世界的例子

让我们看一个%E5%90%8D%E4%B8%BAMarI” o>的%E7%A8%8B%E5%BA%8F%E4%B8%AD%E8%BF%99%E4%BA%9B%E6%A6%82%E5%BF%B5%E7%9A%84%E4%B8%80%E4%B8%AA%E7%AE%80%E5%8D%95%E4%BD%86%E6%9C%89%E5%90%AF%E5%8F%91%E6%80%A7%E7%9A%84%E4%BE%8B%E5%AD%90%E3%80%82″ mari o>

[…]“/>

当然,离散的目标是完成关卡。 这意味着AI进入关卡的距离越远,它就越“合适”或成功。

它做出的决定是基于玩家在游戏中可以采取的行动,即按下按钮来跑或跳或移动某个方向。 如果马里奥在三秒内死亡? 这不是一个特别好的算法。 如果他比上一代更进一步? 然后你用其他成功的策略培养这个新算法,修剪那些做得更糟的事情并培养那些更进一步的策略。 你这样做了足够多次,而MarI / O击败了这个级别。

而且,剧透警报,实际上确实如此。

通过进化算法进行产品设计

早在2002年, %E2%80%9C%E8%A5%BF%E9%9B%85%E5%9B%BE%E6%97%B6%E6%8A%A5%E2%80%9D%E5%B0%B1%E4%B8%80%E7%AF%87%E5%90%8D%E4%B8%BA

在文章中,他们谈到了Crayola将利用该技术追求的机会:

“整个过程看起来像是格雷戈尔·孟德尔和弗兰肯斯坦博士的混合体。 绘儿乐将跨越一大批畅销的毡尖标记,其中有一群具有新基因的笔,这是由Crayola的设计师设想的新想法。 这些新笔可能在桶中有不同类型的盖子或不同的锥度。

转基因笔将由Crayola的客户进行评估,并分为客户喜欢的两组,以及他们不喜欢的组。

没有人喜欢的钢笔会被牺牲,但是被爱的钢笔将被允许繁殖并拥有自己的孩子。 然后整个过程将重复进行。“

他们自2002年以来走过了漫长的道路,后来被尼尔森收购:

《适者变异的生存:优化中的进化算法》

当然,阿菲诺娃使用的这种演变使用态度数据来做出决策。 这在广告,产品设计和新功能和创意的形成性研究中具有有趣的应用。

但是让我们看看在实验中如何使用相似的算法,使用动作来创建决策……

AI如何在实验中发挥作用

我们的程序Sentient” ascend>使用类似的概念,但不是应用它们来击败令人不安的任天堂游戏,Ascend帮助网站更好地转换。

首先,让我们从适应度量(或成功的因素)开始。 没有它,毕竟算法没有目的。 由于我们在这里谈论CRO,我们的成功是通过增加转换来衡量的,无论是销售线索,购买,提交表单,还是您的名字。 这很容易。 现在让我们深入了解遗传算法如何同时测试大量的想法并获得更好的转换网站。

想象一下您对网站的所有想法。 对于我们大多数人来说,我们坚持测试一个想法与另一个想法(因此A / B测试)。 使用遗传算法,它是不同的。 您实际上可以立即输入您的所有想法,并根据您提供的基因让您的网站发展。

《适者变异的生存:优化中的进化算法》

好的。 因此,Ascend的工作方式如下:首先,您输入Ascend中的每个想法 – 这意味着标题复制,按钮颜色,删除元素,新图像等等 – 然后,Ascend开始单独测试每个更改。 这意味着如果您想尝试三个新标题,程序会根据您选择的转化目标对每个标题进行测试。 如果你想测试四个新的CTA,它也会单独测试它们。 同样适用于CTA位置,图像,您可以为其命名。 在第一轮初步测试之后,Ascend注意到哪些基因具有良好的基因,即其性能与对照版相同或更好。

这是有趣的地方。 接下来,Ascend开始将这些组合一起繁殖。 意思是,它将一起显示获胜的标题和有前景的图像,然后评估它们在一起的效果,然后测试比控制站点更好的所有变量组合。 然后,它从该人群中选出获胜者,并继续与其他获胜者一起培育获奖者。

《适者变异的生存:优化中的进化算法》
结果仪表板

但是在这里也发生了一些重要的事情,那就是突变。

您最初输入的一些想法可能只是因为它们没有与正确的变量配对而失败。

例如,某个标题可能不起作用,除非它与某个英雄图像一起显示。 因此,Ascend不是永远忽略那些最初不起作用的想法,而是通过添加这些变量来“改变”您的网站,以确保它们实际上是较低的表现者。 这种繁殖,重组和突变持续了几代,直到Ascend收敛于获胜的候选人。 此时,最佳做法是运行一个测试,在该测试中,您将由特定变量组合构成的候选项与您的控件进行比较,以便对这些结果进行稳定验证。

《适者变异的生存:优化中的进化算法》
价值在于突变( %E5%9B%BE%E7%89%87%E6%9D%A5%E6%BA%90“>

案例研究:经典汽车清算人

Ascend在需要测试很多变量的情况下表现优异。 毕竟,就像进化一样,更多的选择意味着更多的成功可能性。

一个很好的例子是在他们的网站上进行了为期七周的测试Classic Car Liquidators(CCL)。 不出所料,CCL出售经典汽车,但也与eBay合作开展联盟计划。 当购物者无法在CCL上找到他们的梦想汽车时,他们的想法是他们遵循eBay会员链接并且CCL得到了削减。 他们从这开始:

《适者变异的生存:优化中的进化算法》

但只有.88%的用户点击了促销活动。 他们使用Ascend优化横幅,测试了9种不同促销元素的61个版本。 总而言之,这是近29,000种可能的组合。 他们进行了为期七周的测试,结果是:

《适者变异的生存:优化中的进化算法》

上升? 点击率增加434%。

事实上,A / B测试无法在两个月内找到这种精确的设计。 有太多的变量被测试,特别是使用进化算法,你会发现最好的想法组合。 你会注意到在改进的控件中找到的控件很少。 那说:

没有银弹:要记住的事情

虽然一次测试大量的想法可以节省大量的时间,但需要预先付出一些努力。 基本上,当您在一个月内压缩一到两年的测试时,您也会压缩设置时间。 这意味着可以立即完成质量保证,编码,审批和更多想法的构思。 特别是,如果你正在尝试雄心勃勃的测试 – 如多页设计或布局思路 – QA确实需要一些时间。

相反,如果你没有足够的测试,可能会有不利因素。 基本上,如果你只测试一些想法,你就不会利用进化的力量。

进化给予人们的自由有时会激励他们尝试更好的想法。 有些人真的只是尝试一切而不是专注于他们现在所做的事情,而不是剔除一些不好的头条新闻: %E4%BA%A7%E7%94%9F%E8%B4%A8%E9%87%8F%E5%81%87%E8%AE%BE%E3%80%82“>

《适者变异的生存:优化中的进化算法》
%E5%9B%BE%E5%83%8F%E6%9D%A5%E6%BA%90“>

创意仍然很重要。 Ascend只是在搜索最佳表现者时尝试这些变化的组合,但它不会写新副本或做任何你没有明确告诉它的事情。 它随着你给它的基因而进化。

至于细分,是的,您可以细分受众并针对任何特定的细分进行测试。 此外,通过与分析集成,您可以查看不同的细分市场如何对各种设计候选项做出反应,即使您没有针对特定细分市场进行优化。

结论

在未来十年,人工智能无处不在。

它已经推动了我们的%E6%90%9C%E7%B4%A2%E5%BC%95%E6%93%8E“>

那就是说,没什么值得担心的。 围绕人工智能的很多新闻都是Chicken Little-esque,AI正在为我们的工作而来,我们应该害怕,非常害怕。 但AI并不是为了我们的工作。 它会让我们更好地完成工作。 不是取代CRO专业人士,而是让他们有能力尝试更多,更成功。

%E7%89%B9%E5%BE%81%E5%9B%BE%E5%83%8F%E6%9D%A5%E6%BA%90“>

相关文章

点赞

发表评论

电子邮件地址不会被公开。 必填项已用*标注