知鸦日报2021-11-16

This is the fifth post in a multi-part series on how Netflix uses A/B tests to inform decisions and continuously innovate on our products. Need to catch up? Have a look at Part 1 (Decision Making at Netflix), Part 2 (What is an A/B Test?), Part 3 (False positives and statistical significance), and Part 4 (False negatives and power). Subsequent posts will go into more details on experimentation across Netflix, how Netflix has invested in infrastructure to support and scale experimentation, and the importance of developing a culture of experimentation within an organization.

In Parts 3 (False positives and statistical significance) and 4 (False negatives and power), we discussed the core statistical concepts that underpin A/B tests: false positives, statistical significance and p-values, as well as false negatives and power. Here, we’ll get to the hard part: how do we use test results to support decision making in a complex business environment?

The unpleasant reality about A/B testing is that no test result is a certain reflection of the underlying truth. As we discussed in previous posts, good practice involves first setting and understanding the false positive rate, and then designing an experiment that is well powered so it is likely to detect true effects of reasonable and meaningful magnitudes. These concepts from statistics help us reduce and understand error rates and make good decisions in the face of uncertainty. But there is still no way to know whether the result of a specific experiment is a false positive or a false negative.

上周的直播 B 端产品移动端化的录播已经上传了，可以在下面二维码里长按跳转查看。同时，我们对本节课程内容笔记和要点整理到下方，方便大家复习。

随着技术发展，设计打破了原本界限，从静止到可交互，从二维到三维到动态体验，设计、技术、硬件到了一个全新的时代。腾讯云作为云领域的领先者，产品生态越来越多元丰富，多品类的复杂环境展现在我们面前，我们重新审视自己，站在用户，产品，客户的视角，来平衡“品牌诉求"和“业务诉求”。

有次接到个需求：“我们系统不太好用，视觉升级的时候也麻烦帮着改改。”界面不好用的原因千差万别，还有些属于技术限制。后来经过一个多月的交互视觉改造，才把用户流程中的障碍清理的差不多，业务对改版方案也比较满意。本文探讨如何设计出“好用”的界面。

2020年 钉钉slogan 由“钉钉，是一个工作方式”调整为“钉钉让工作学习更简单”，背后是什么原因呢？

B端产品推向市场之初，资源有限，需要将资源集中起来优先攻克某一类型企业，此时面临的第一个战略决策就是“先攻小企业还是先打大企业？”。

本文侧重阐述的，是指标优化的流程，即如何在既有的业务目标下，按照科学的视角评估问题，经过一定的流程分析、分解问题，找寻合理方向和关键路径，最终解决问题，并给予收益评估。

object-fit 可以很方便的对 img 标签做拉伸适配，但它一是兼容性不太好，二是只能在可替换元素中使用，如果我们想对一个 div 做类似调整，它就无能为力了，所以这种场景下就需要我们对 object-fit 的各种算法有一定了解才能手动实现。

esbuild 激发了人们对于 Web 生态编译工具在速度上的追求，Rust 似乎正在成为 JavaScript 基础设施的未来。

符号化能帮助我们在定位 bug 、崩溃和性能瓶颈时，从运行时日志与堆栈找到根本的代码原因；相信大家了解 atos 或 dSYM 等常用符号化工具，但这些工具是如何运作的？本篇文章将围绕符号化的定义、原理、实践与技巧，带领大家对符号化进一步深层次了解；本篇文章是基于 Session 10211 - Symbolication: Beyond the basics 撰写，Session 的演讲者是Apple - 性能工具团队的 Alejandro Lucena 工程师。

在58同城生活服务平台上，当用户有保洁、搬家、维修等需求时会通过微聊以文本对话的方式联系58平台上的商家，而商家由于工作繁忙往往无法及时回复用户，造成商机流失 。为了解决该问题，黄页业务线在2020年初推出了微聊代运营模式——构建一支人工客服团队，由人工客服来代替商家接待用户，当人工客服和用户沟通完形成有效商机信息（联系方式、价格、 地点 等）后再转交给商家，以帮助商家提高获客效率。在这样的场景下，我们基于58同城AI Lab灵犀智能语音语义平台的人机对话能力打造了黄页商家智能聊天助手，当用户来联系商家时，先由机器人接待，若机器人能够聊出商机则结束对话，若不能则转接人工客服，这种人机协作的方式可以大大节省客服人力。机器人和人工客服的能力由商机转化率指标来评价，即聊出商机的会话数比接待会话数，当前机器人的能力达到了人工客服的95%水平，共计节省客服人力数十名，黄页商家智能聊天助手已经进行了商业化，以"微聊管家"命名随会员套餐一起打包售卖给商家，折合贡献收入每月达到数百万元。

黄页商家智能聊天助手通过坐席分流、智能问答、商机引导、商机挖掘等功能来提升对话机器人的商机转化率，提升C端用户的对话体验和B端商家的使用体验，本文主要分享我们如何深度优化黄页各类目的智能问答，多轮对话和商机质量识别等，来提升C端用户对话体验和提升B端商家的获客体验，最后做总结和展望。

大促，对于电商公司来说就像家常便饭。那么如何保证大促时线上系统的稳定性呢？答案就是：全链路压测。

全链路压测就是对业务功能的整条链路进行压测，并且使用真实的线上环境，这样才能保证压测结果跟大促时的流量应对不会差太多。但是压测的时候需要对底层存储进行影子库的配置，所谓影子库就是复制一份一样的业务数据库，当压测的流量来临时数据操作都是走影子库，这样才能保证真实的业务数据不被污染。

今天分享下压测过程中遇到的一些问题，也是一些经验，能够帮助我们在后续的工作中对设计方案，编码的重视。当你写一个接口，面临调用量 100 的QPS和 1000的QPS，所需要考虑的点不止多一星半点。

异步编程是 JavaScript 中的一个核心概念，与其他脚本编程语言相比，异步编程是一项让 JavaScript 速度更快的特性。JavaScript 是单线程的，这意味着它逐行执行程序。它也是异步的，这意味着如果我们的程序执行到达一个必须等待结果的代码块，它将继续经过这个正在等待的代码块，因此程序不会冻结执行，并且一旦该异步任务完成，我们的代码将通过使用回调来处理它正在等待的结果。如果回调太多，嵌套太深，Promise 确实可以解决这一痛点。

本文就Spring Cloud Gateway做一个简单的介绍，以及针对一次请求Spring Cloud Gateway的处理流程做一个较为详细的分析。

直播业务的发展，对YOHO平台提出了通用性改造的新需求。分享在YOHO平台改造中的思考与实践。

从架构设计的角度去了解一个前端底层构建工具和其升级重构之路。

物联网（Internet of Thing, 简称IoT）最重要意义之一，在于将互联网渗透到某些原来不可能进入的领域。而企业中的IT部门职能之一则是通过技术手段，提升企业的生产效率。物联网的出现无疑给IT部门赋予了更多的能力。随着物联网的发展，信也科技也在不断思考如何更好的利用物联网来提高生产效率和优化资源利用率。本次要介绍的智能化会议室管理系统，就是成果之一。

该系统的出现，原因是由于随着信也的业务增长，会议沟通无疑成为了非常重要的工作之一，企业员工对会议室的需求不断增加，但是无限制的增加会议室数量显而是不可取的。如何提升现有会议室资源的利用率，无疑则成为了较为可行的优化方向。

Metadata can be a bit of a nebulous term, so let’s start by talking about what it really means.

Everything a computer works with is data — ones and zeros — from the firmest firmware to the most ephemeral state of a pixel on the screen. By metadata, however, I’m talking specifically about data that describes or constrains the behavior of software. It’s what tells us that this byte is an instruction in the OS, and that byte is one pixel in a catchy song about cheeseburgers.

Now, let’s clear something up right away: by “metadata”, I specifically don’t mean just “additional data”, like a timestamp, or a browser fingerprint. It’s certainly not uncommon to hear people use the word that way (“I want to know what metadata these fast food companies are collecting about me …”), but that’s not at all what I’m talking about here. That’s “meta” if you’re talking about the original Greek sense of the word (“beyond”), since things like this are beyond what we usually see in the user interface. But you probably weren’t talking about the original Greek sense of the word, were you? No. So for the purposes of this article, let’s go with my definition: metadata is data that alters the behavior of software.

The idea of a single root cause does not reflect reality. This piece explains a critique of root cause analysis and presents a better idea.

Prometheus 是目前最流行的开源监控系统之一, 这里以我在基于 Prometheus 构建天机阁 2.0Metrics 子系统的实践谈一谈 Prometheus 的一些最佳实践, 最佳实践的理念是 Prometheus 系统简单稳定高效运行的关键。

本文通过介绍短视频Push系统的设计和实现及系统的优化，向大家讲述亿级数据量Push系统的建设经验。

看商品不再是看图片、看视频，而是可以把指定商品放到自己家的真实户型中进行展示。