超越胜率：Spotify如何量化产品实验中的学习
原文英文，约800词，阅读约需3分钟。
📝
内容提要
Spotify推出了“学习实验（EwL）”指标，以衡量实验的决策准备情况。EwL关注学习的数量和质量，帮助团队快速做出产品决策。成功的实验需有效且能明确指示后续行动。EwL强调学习比胜率更重要，学习率为64%，胜率仅12%。该指标促进了实验质量和创新，确保在快速迭代中保持平衡。
🔎
延伸解读
学习的重要性
Spotify的EwL指标强调学习的质量和数量比胜率更为重要。学习率高达64%，而胜率仅为12%。这表明，识别不成功的实验和早期检测问题对产品的长期成功至关重要，尤其是在成熟产品中。
实验的有效性
成功的实验不仅要有效，还需能明确指示后续行动。EwL要求实验结果能够支持发货、终止或迭代的决策。这种方法促使团队在快速迭代中保持高质量的实验，避免盲目追求胜率。
资源分配与创新
EwL指标帮助Spotify有效分配实验资源，确保高质量的实验输出。随着活跃实验团队的增加，技术和文化的投资也随之提升，推动了创新和产品改进的持续进行。
❓
Q&A
Spotify的EwL指标是什么？
EwL指标用于衡量实验的决策准备情况，关注学习的数量和质量。
EwL指标与传统胜率有什么不同？
EwL强调学习比胜率更重要，学习率为64%，而胜率仅为12%。
Spotify如何确保实验的有效性？
通过监控胜率、实验量和精确度等关键保护措施来维护指标的完整性。
EwL指标如何影响产品决策？
EwL帮助团队快速做出产品决策，明确后续行动，如发货、终止或迭代。
Spotify在2018年实验团队的变化是什么？
2018年，活跃实验团队从约40个增加到近300个，推动了技术和文化的投资。
EwL结果如何指导平台的持续改进？
EwL结果帮助识别测试中的问题，指导平台优化和改进实验设计。
🏷️
