Optimizely: dynamische Experiment-Allokation
Eine Ergebnisanzeige wird zur Allokationsregel
Optimizely kündigte am 18. Oktober 2017 auf der Opticon neue Funktionen zur Optimierung von Experimenten an. Die später zugängliche Produktdokumentation beschreibt die Verfahren von Stats Accelerator und Multi-armed-Bandit-Optimierung. Ankündigungsdatum und dokumentierter Mechanismus werden getrennt; ein taggenauer erster produktiver Kundeneinsatz ist damit nicht belegt.
Im Kern wird die Verteilung von Besuchern auf Varianten nicht dauerhaft festgehalten. Beobachtete Ergebnisse und die Unsicherheit der Schätzung beeinflussen die nächste Allokation. Damit reagiert das Experiment selbst auf seine bisherigen Resultate, statt nur eine statische Aufteilung nachträglich auszuwerten.
Zwei Ziele, die nicht verwechselt werden dürfen
Stats Accelerator soll die Suche nach statistisch unterscheidbaren Varianten beschleunigen. Die Bandit-Optimierung kann dagegen ein Ergebnis während einer begrenzten Laufzeit maximieren. Das ist ein Unterschied zwischen schnellerem Lernen über Varianten und der unmittelbaren Nutzung einer momentan aussichtsreichen Variante.
Die Dokumentation beschreibt unter anderem Thompson Sampling für binäre Zielgrößen sowie eine Epsilon-Greedy-Logik für numerische Größen. Welche Variante mehr Verkehr erhält, hängt deshalb vom gewählten Verfahren und Ziel ab. Aus dem Oberbegriff Bandit folgt keine für alle Aktivitäten identische Entscheidungsregel.
Der menschliche Rahmen
Das Team erstellt Varianten, wählt Metriken und richtet das Experiment ein. Besucher reagieren auf die ausgelieferte Erfahrung. Die Software ordnet weitere Besucher entsprechend den beobachteten Ergebnissen zu. Der entscheidende Systemeffekt ist die geänderte Verkehrsverteilung, nicht die Erzeugung neuer Texte oder die automatische Änderung des Unternehmensziels.
Die Kontrolle über die Versuchsanordnung bleibt daher eine eigenständige Aufgabe. Eine auf Klicks ausgerichtete Auswahl ist nicht automatisch eine Optimierung langfristiger Kundenzufriedenheit. Schon die Wahl der Zielgröße legt fest, welche Reaktion im Experiment als günstig gilt.
Quellen und Datierung
- Optimizely / PRNewswire: Stats-Accelerator-Ankündigung; 18.10.2017; Quellenrolle: provider_primaryDirekte Quelle ↗
- Optimizely: Algorithmen und getrennte Optimierungsziele; undatiert; geprüft 14.11.2026; Quellenrolle: provider_primaryDirekte Quelle ↗
- Optimizely: zeitveränderliche Signale und Statistikgrenzen; undatiert; geprüft 14.11.2026; Quellenrolle: provider_primaryDirekte Quelle ↗
Verwandte Fälle
Daten und Belegumfang
- Erfasstes Ereignis-/Bezugsdatum
- 2017-10-18 (Ankündigung; späterer Betrieb über Dokumentation belegt)
- Atlas-Erstveröffentlichung
- 2026-11-14
- Quellenprüfung in dieser Bestandskorrektur
- 2026-11-14
Der Redaktionsstand bedeutet keine erneute Prüfung aller Quellen oder heutigen Produktfunktionen. Unbekannte Daten bleiben offen. Veröffentlichungsdaten der Quellen stehen bei den Belegen.
Strukturiertes Beleg- und Geografieregister · Nicht klassifizierte Quellenrollen und nicht zugeordnete Herkunfts-/Marktfelder sind ausdrücklich gekennzeichnet.