Працює · 2026-11Заява постачальникаGrowth-процесиАналітика

Зменшення дисперсії методом CUPED

Коригуйте метрику кожного користувача за його даними до експерименту, щоб зменшити шум і швидше дійти висновків.

Інші назви (англ.): pre-experiment adjustment

Твердження і докази

ТвердженняКоригуйте метрику кожного користувача за його даними до експерименту, щоб зменшити шум і швидше дійти висновків.

Датованого прикладу поки немає. Вважайте цю тактику гіпотезою.

Що показують цифри

Жодна опублікована цифра для цієї тактики ще не пройшла дослівну перевірку, тож графіка немає.

Чому це працює

Схема, не дані
Зберітьповедінку доекспериментуСпрогнозуйтебазовий рівенькористувачаВіднімітьпередбачуванучастинуМенші ефектистає видно
Зберіть поведінку доекспериментуСпрогнозуйте базовий рівенькористувачаВідніміть передбачувану частинуМенші ефекти стає видно

Частину поведінки кожного користувача можна передбачити з даних до тесту. Якщо її прибрати, дисперсія зменшується, тож за того самого трафіку можна виявити менший ефект.

Як запустити

  1. Увімкніть у платформі дані до впливу
  2. Оберіть вікно до впливу (поширений варіант — 7 днів)
  3. Визначте, що робити з користувачами без історії
  4. Перевірте результати з коригуванням і без нього
  5. Задокументуйте налаштування

Як можна запустити

Варіанти дизайну для тесту, а не обіцяний результат.

  1. Варіант AНалаштування платформи

    Увімкніть коригування за даними до експозиції в платформі експериментів і задокументуйте вікно.

  2. Варіант BНові користувачі

    Вирішіть, як рахувати користувачів без історії, адже коригування їм нічого не дає.

  3. Варіант CРезультати поруч

    Показуйте результати з коригуванням і без нього, щоб рецензенти бачили, що воно змінило.

Хронологія

  1. 12013 вперше описано: Deng, Xu, Kohavi and Walker, as cited by Statsig
  2. 22026-11 статус перевірено: Працює

Датовані приклади

Датованого прикладу поки немає. Вважайте цю тактику гіпотезою.

Чи це ще працює?

Працюєстаном на 2026-11

Увімкнено за замовчуванням у Statsig Cloud; також є в GrowthBook для обох рушіїв. джерело

Ризики

  • Малий виграш для нових користувачів без історії
  • Потрібні надійні дані за попередній період

Джерела

  1. docs.statsig.com · Statsig docs · 2025-09-18
    “reduces a metric's variance by adjusting each user's metric value with that user's pre-exposure data.”
    ✓ цитату звірено дослівно зі сторінкою
  2. docs.growthbook.io · GrowthBook docs · без дати
    “In fact, tools like CUPED are available for both engines.”
    ✓ цитату звірено дослівно зі сторінкою

Історія змін

  • 2026-11-20 — harvest v0.1 (ops-ai)