പരീക്ഷണങ്ങൾ (A/B ടെസ്റ്റിംഗ്)

യഥാർത്ഥ കോളുകളിൽ രണ്ട് ഏജന്റ് കോൺഫിഗറേഷനുകൾ ഒരുമിച്ച് പ്രവർത്തിപ്പിച്ച്, വിജയനിരക്കുകൾ വിജയിയെ തിരഞ്ഞെടുക്കാൻ അനുവദിക്കുക.

A/B പരിശോധന പുതിയ prompt യഥാർത്ഥത്തിൽ മികച്ചതാണോ എന്ന ചോദ്യത്തിന് അനുമാനങ്ങൾക്കു പകരം ഡാറ്റ ഉപയോഗിച്ച് ഉത്തരം നൽകുന്നു: ഇൻകമിംഗ് കോളുകൾ ഏജന്റ് വേരിയന്റുകൾക്കിടയിൽ വിഭജിക്കപ്പെടുന്നു, ഓരോ കോളും പതിവുപോലെ വിലയിരുത്തപ്പെടുന്നു, തുടർന്ന് ഓരോ വേരിയന്റിന്റെയും വിജയനിരക്ക് താരതമ്യം ചെയ്യുന്നു.

രണ്ട് ഇടങ്ങളുണ്ട്:

• ഓരോ ഏജന്റിനും — ഓരോ ഏജന്റിന്റെയും ബിൽഡറിലെ A/B ടാബിൽ (/dashboard/agents/<id>?tab=variants) പരിശോധനകൾ കോൺഫിഗർ ചെയ്യുകയും ക്രമീകരിക്കുകയും ചെയ്യുന്നു. വേരിയന്റുകൾ സൃഷ്ടിക്കുകയും പരിശോധന ഓണാക്കുകയും ചെയ്യുന്നത് ഇവിടെയാണ്.
• ഏജന്റുകൾക്കിടയിലുള്ള അവലോകനം — പരീക്ഷണങ്ങൾ പേജ് (/dashboard/experiments, ഗുണനിലവാരവും പരിശോധനയും എന്ന വിഭാഗത്തിൽ) എല്ലാ ഏജന്റുകളുടെയും പരിശോധനകൾ ഒരു പട്ടികയിൽ സംഗ്രഹിക്കുന്നു.

ഒരു പരിശോധന സജ്ജമാക്കുക#

പരീക്ഷണങ്ങൾ പേജിൽ നിന്ന് ഒരു A/B പരിശോധന സജ്ജമാക്കുക ക്ലിക്ക് ചെയ്ത് ഒരു ഏജന്റിനെ തിരഞ്ഞെടുക്കുക — തുടർന്ന് ആ ഏജന്റിന്റെ A/B ടാബിൽ എത്തും. അവിടെ വേരിയന്റ് കോൺഫിഗറേഷനുകൾ സൃഷ്ടിക്കുകയും (ഒന്ന് നിയന്ത്രണം ആയി അടയാളപ്പെടുത്തിയിരിക്കും) വിഭജിത പരിശോധന പ്രവർത്തനക്ഷമമാക്കുകയും ചെയ്യാം. ബിൽഡറിനെക്കുറിച്ച് അറിയാൻ ഒരു ഏജന്റിനെ നിർമ്മിക്കുക കാണുക.

അവലോകനം വായിക്കുക#

പരിശോധനയുള്ള ഓരോ ഏജന്റിനും പരീക്ഷണങ്ങൾ പട്ടിക ഇനിപ്പറയുന്നവ കാണിക്കുന്നു:

• നില — സജീവം (വിഭജിത പരിശോധന ഓണാണ്) അല്ലെങ്കിൽ താൽക്കാലികമായി നിർത്തിയത്.
• വേരിയന്റുകൾ — നിയന്ത്രണ വേരിയന്റ് അടയാളപ്പെടുത്തിയ നിലയിൽ, ഓരോ വേരിയന്റും ഒരു ചിപ്പായി.
• മുന്നിൽ — ഇതുവരെയുള്ള ഏറ്റവും മികച്ച വിജയനിരക്കുള്ള വേരിയന്റും അതിന്റെ ശതമാനവും. വേരിയന്റുകൾക്ക് വിലയിരുത്തപ്പെട്ട കോളുകൾ ലഭിക്കുന്നതുവരെ, ഇവിടെ ഇതുവരെ മതിയായ ഡാറ്റയില്ല എന്ന് കാണിക്കും — കുറച്ച് കോളുകൾ മാത്രം അടിസ്ഥാനമാക്കി വിജയിയെ പ്രഖ്യാപിക്കരുത്.
• കോളുകൾ — പരിശോധനയിലെ വേരിയന്റുകളിലുടനീളമുള്ള ആകെ കോളുകൾ.

പരിശോധനയില്ലാത്ത ഏജന്റുകൾ ഒന്നാരംഭിക്കുന്നതിനുള്ള ഒറ്റ-ക്ലിക്ക് ഓർമ്മപ്പെടുത്തലുകളായി താഴെ പട്ടികപ്പെടുത്തിയിരിക്കുന്നു. ഏതെങ്കിലും വരിയിൽ ക്ലിക്ക് ചെയ്താൽ പരിശോധന ക്രമീകരിക്കാനോ അവസാനിപ്പിക്കാനോ ആ ഏജന്റിന്റെ A/B ടാബിലേക്ക് പോകും.

അടുത്ത ഘട്ടങ്ങൾ#