Optimizely Feature Experimentation Reseñas y Detalles del Producto - Página 7

Optimizely full-stack nos permite capacitar a nuestras funciones de ingeniería para que se adueñen de sus experimentos, alineándolos más estrechamente con las métricas de los clientes y ayudando a articular el valor de lo que hacen. Reseña recopilada por y alojada en G2.com.

Optimizely full stack no viene con algunas de las características adicionales que obtienes con el lado del cliente. La configuración es más complicada, y Optimizely no te proporciona métricas listas para usar, tienes que calibrar y alinear todo tú mismo. Reseña recopilada por y alojada en G2.com.

Optimizely Full Stack es extremadamente poderoso para experimentar y realizar pruebas A/B. Como desarrollador, proporciona un marco completo de experimentación para nuestro producto. Es altamente personalizable (ya que casi todo se hace en código) y ofrece una visión detallada de cómo nuestros clientes interactúan con el producto. Con Optimizely Full Stack, he podido aumentar la tasa de conversión, identificar puntos problemáticos en nuestro producto, reducir la fricción y crear una mejor experiencia de usuario para nuestros clientes. Es simplemente una herramienta necesaria en este momento. La usamos todos los días y no podemos vivir sin ella. Reseña recopilada por y alojada en G2.com.

Lo único que no me gusta de Optimizely Full Stack es su interfaz web. A veces, tarda un poco en cargar. Y en general, se siente un poco torpe.

Como desarrollador, desearía poder configurar todo usando código en lugar de tener que configurarlo a través de la aplicación web. Esto estaría en línea con la tendencia actual de "Configuración como Código" (que es muy popular en el mundo de los desarrolladores). De esa manera, solo tendría que usar la aplicación web para ver los resultados.

En última instancia, estos son detalles menores. Al final del día, es un gran producto, y los problemas mencionados no son en absoluto decisivos. Reseña recopilada por y alojada en G2.com.

Mi característica favorita es su función de banderas de características, ya que es muy versátil. Puede hacer la transición de una característica conceptualmente entre un experimento y un despliegue, lo cual es excelente para cualquier equipo que necesite probar una característica y iterar con el tiempo. Reseña recopilada por y alojada en G2.com.

Ciertas partes de la interfaz de usuario necesitan algo de trabajo para ayudar a los equipos a moverse más rápido, es decir, mostrar los interruptores de entorno en el panel de control de las banderas de características, tener un botón de "un clic" para pasar una característica de experimento a implementación de característica sin aumentar las impresiones.

Sin embargo, uno de los mayores puntos de dolor de mi equipo es cómo los cambios en un despliegue de audiencia y exposición realizados para un experimento deben hacerse para todos los entornos de los que el experimento forma parte, lo que ha llevado a mi equipo a necesitar crear proyectos separados para cada entorno y duplicar experimentos entre ellos. Reseña recopilada por y alojada en G2.com.

Es fácil comenzar una nueva experiencia y todos los datos son transparentes para todos en el equipo, no solo para los desarrolladores. Reseña recopilada por y alojada en G2.com.

- Es un poco difícil encontrar dónde/cómo configurar cada entorno, todos los que se unen al equipo tienen dudas al respecto. Preguntas como "¿Dónde cambio el valor de la variable x en desarrollo?", "¿Dónde cambio el porcentaje del experimento en desarrollo?".

- No me gusta tener que cambiar los experimentos en el entorno cuando estoy desarrollando/probando algo localmente, generalmente hay más de una persona usando el mismo entorno.

- Haz pruebas automáticas, usamos jest, es algo que consume tiempo, principalmente cuando el objetivo es probar todas las variaciones. Reseña recopilada por y alojada en G2.com.

Me gusta que puedas configurar varias métricas secundarias/otras además de la métrica principal. Los resultados son muy claros, y me gusta que pueda ver todo en una sola página, incluidas las impresiones, métricas, significancia estadística, tasas de conversión y visualizaciones. Soy un Gerente de Producto, y desde el punto de vista de un GP, la herramienta es fácil de usar. Reseña recopilada por y alojada en G2.com.

No me gusta que no haya una forma de filtrar por entorno. Dado que Optimizely te permite mantener entornos separados de producción y otros para cada experimento, esperaría tener la opción de filtrar para cada uno. Un desarrollador de mi equipo encontró una manera de crear un segmento personalizado para esto, pero es algo que habría esperado que viniera de serie. Reseña recopilada por y alojada en G2.com.

Añadiendo banderas de características para el desarrollo basado en troncos Reseña recopilada por y alojada en G2.com.

Puede volverse bastante complicado, dependiendo de lo que quieras hacer.

Además, tienen entradas de blog que señalan correctamente los beneficios de probar con las banderas de características activadas y desactivadas, pero no tienen ejemplos de cómo usarías su SDK para hacerlo. Y cuando se les pregunta, tampoco saben cómo hacerlo realmente. Reseña recopilada por y alojada en G2.com.

Optimizely es una plataforma de pruebas A/B muy poderosa, y sus bibliotecas son fáciles de integrar en nuestros servidores web. Reseña recopilada por y alojada en G2.com.

El sitio web para gestionar las banderas de características y experimentos de Optimizely es un poco torpe. Es muy lento si hay muchas banderas configuradas, y los controles para implementar las banderas están mal explicados. Además, tuvimos que construir una herramienta separada para mapear las audiencias de Optimizely a nuestros usuarios. Reseña recopilada por y alojada en G2.com.

Es fácil revisar las pruebas AB. No es necesario profundizar en los datos ni hacer consultas. Está disponible para que todos en la empresa vean los resultados y los analicen. Además, los grupos de exclusión facilitan la realización de múltiples pruebas al mismo tiempo. Reseña recopilada por y alojada en G2.com.

No mucho. Solo un poco más de esfuerzo en el lado técnico que en las pruebas web. Pero principalmente intentamos hacer pruebas de fullstack ya que nos parece más preciso. Reseña recopilada por y alojada en G2.com.

Nos permite realizar toda la conexión analítica de nuestros sistemas de back-end con nuestro conjunto de herramientas de optimización. Esto significa que realmente podemos profundizar en los detalles de cómo se comportaron nuestras audiencias antes y después de la conversión. Reseña recopilada por y alojada en G2.com.

No es tan ágil como su otro producto X Web. Puede llevar un tiempo a nuestros equipos de desarrollo/producto realizar pruebas, debido a toda la 'infraestructura' que tenemos que hacer. Aunque se sincroniza con otras herramientas de análisis, no es tan fácil de integrar como otras herramientas (por ejemplo, X Web). Reseña recopilada por y alojada en G2.com.

Respuesta rápida para las preguntas proporcionadas en optimizely-community.slack.com Reseña recopilada por y alojada en G2.com.

Incluso la pequeña característica estaba allí "Asa Schachar:optimizely-white: hace 6 meses

Creo que veo lo que está sucediendo. Este es un buen comentario y creo que abordaremos esto en una próxima nueva versión de implementaciones dirigidas.

Dado que la implementación para la primera audiencia es del 0%, eso significa que el 0% de los que califican para la primera audiencia estarán en la implementación. Así que evalúa la regla de todos los demás.

Para obtener el comportamiento que buscas, podrías necesitar usar una variable de característica, para mantenerlo simple, podrías tener una variable booleana habilitada que sea verdadera o falsa.

Luego, para la implementación dirigida, configúralo al 100% para todas las audiencias pero cambia el valor de la variable para cada audiencia. De esa manera, puedes tener una experiencia verdadera para cypressON y una experiencia falsa para cypressOFF. ¿Tiene sentido? (editado)" Reseña recopilada por y alojada en G2.com.