🔬 Тесты, риски и продвинутая математика
Решения на данных, а не на шуме: A/B-тесты и честность сплита, доверительные интервалы, Monte Carlo, Markov, Bayesian, MMM, Kaplan-Meier.
A/B-тест: сколько трафика нужно
Хочешь сравнить два креатива — сколько показов нужно для уверенного ответа.
Реальный диапазон конверсии
У тебя 100 заявок и 15 сделок — реально конверсия 9-23%, а не «ровно 15%».
Прогноз прибыли с риском
2000 симуляций будущего: насколько вероятно выйти в плюс при шуме в параметрах.
SRM-чекер: честен ли A/B-тест
Лил 50/50, а попало 5200 против 4800? χ²-тест ловит поломку сплита. Если SRM есть — результатам теста верить нельзя.
Markov Chain атрибуция
Какой канал реально привёл клиента — с учётом всех заходов и распределением заслуги между каналами. Используется в Google Аналитике (GA4).
Bayesian A/B тест
Вместо «значимо/не значимо» — точная вероятность что вариант B лучше A.
Media Mix Modeling
Оптимальное распределение бюджета между каналами с учётом насыщения.
Bass diffusion
Прогноз пика продаж нового продукта — модель Apple для запусков.
Kaplan-Meier survival
Прогноз удержания клиентов (retention) по неполным данным. Используется в подписках и онлайн-школах.
Pareto/NBD
Клиент ещё активен или ушёл? Вероятность что вернётся.
DCF CLV — настоящий LTV
Доход с клиента за всё время (LTV) с поправкой на то, что деньги завтра дешевле денег сегодня, и на удержание клиентов (retention). Реальная цифра вместо наивной.
Anomaly Detection
Цена заявки (CPL) внезапно выросла вдвое — случайность или система сломалась?
Multi-armed bandit
Оптимальное распределение трафика между N креативами через Thompson sampling.
Newsvendor
Сколько закупить под неопределённый спрос — для товаров, мест в инфопродукте.
Оптимальная ставка в Директе
Формула из теории аукционов: какую максимальную ставку за клик имеет смысл выставить.
RFM-сегментация
Раскладывает клиентов на 8 сегментов: чемпионы, лояльные, спящие, уходящие — для точечной коммуникации.