Optimizely Feature Experimentation Avaliações e Detalhes do Produto - Página 7

O que você mais gosta Optimizely Feature Experimentation?

Optimizely full-stack nos permite capacitar nossas funções de engenharia para que possuam seus próprios experimentos, alinhando-os mais de perto com as métricas dos clientes e ajudando a articular o valor do que fazem. Análise coletada por e hospedada no G2.com.

O que você não gosta Optimizely Feature Experimentation?

O Optimizely full stack não vem com alguns dos recursos adicionais que você obtém com o lado do cliente. A configuração é mais complicada, e o Optimizely não fornece métricas prontas para uso, você tem que calibrar e alinhar tudo por conta própria. Análise coletada por e hospedada no G2.com.

O que você mais gosta Optimizely Feature Experimentation?

Optimizely Full Stack é extremamente poderoso para experimentação e testes A/B. Como desenvolvedor, ele fornece uma estrutura completa de experimentação para o nosso produto. É altamente personalizável (já que quase tudo é feito em código) e oferece uma visão detalhada de como nossos clientes estão interagindo com o produto. Com o Optimizely Full Stack, consegui aumentar a taxa de conversão, identificar pontos problemáticos em nosso produto, reduzir atritos e criar uma melhor experiência de usuário para nossos clientes. É simplesmente uma ferramenta necessária neste ponto. Usamos todos os dias e não podemos viver sem ela. Análise coletada por e hospedada no G2.com.

O que você não gosta Optimizely Feature Experimentation?

A única coisa que não gosto no Optimizely Full Stack é sua interface web. Às vezes, demora um pouco para carregar. E, no geral, parece um pouco desajeitada.

Como desenvolvedor, gostaria de poder configurar tudo usando código em vez de ter que configurar através do aplicativo web. Isso estaria em linha com a tendência atual de "Configuração como Código" (que é muito popular no mundo dos desenvolvedores). Dessa forma, eu só precisaria usar o aplicativo web para ver os resultados.

No final das contas, essas são pequenas críticas. No fim do dia, é um ótimo produto, e os problemas acima não são de forma alguma impeditivos. Análise coletada por e hospedada no G2.com.

O que você mais gosta Optimizely Feature Experimentation?

Minha funcionalidade favorita é a funcionalidade de flag de recurso deles, já que é tão versátil. Ela pode transitar conceitualmente um recurso entre um experimento e uma implementação, o que é ótimo para qualquer equipe que precise testar um recurso e iterar ao longo do tempo. Análise coletada por e hospedada no G2.com.

O que você não gosta Optimizely Feature Experimentation?

Certas partes da interface do usuário precisam de alguns ajustes para ajudar a permitir que as equipes se movam mais rapidamente, ou seja, mostrando alternâncias de ambiente no painel de controle de feature flags, tendo um botão de "um clique" para transitar uma funcionalidade de experimento para lançamento de funcionalidade sem aumentar as impressões.

No entanto, um dos maiores pontos de dor da minha equipe é como as mudanças em um rollout de audiência e exposição feitas para um experimento devem ser feitas para todos os ambientes dos quais o experimento faz parte -- isso levou minha equipe a precisar criar projetos separados para cada ambiente e duplicar experimentos entre eles. Análise coletada por e hospedada no G2.com.

O que você mais gosta Optimizely Feature Experimentation?

É fácil começar uma nova experiência e todos os dados ao redor são transparentes para todos na equipe, não apenas para os desenvolvedores. Análise coletada por e hospedada no G2.com.

O que você não gosta Optimizely Feature Experimentation?

- É um pouco difícil encontrar onde/como configurar cada ambiente, todos que entram na equipe têm dúvidas sobre isso. Perguntas como "Onde eu mudo o valor da variável x no desenvolvimento", "Onde eu mudo a porcentagem do experimento no desenvolvimento".

- Eu não gosto de ter que mudar os experimentos no ambiente quando estou desenvolvendo/testando algo localmente, geralmente há mais de uma pessoa usando o mesmo ambiente.

- Faça testes automáticos, usamos jest, é algo que está consumindo tempo, principalmente quando o objetivo é testar todas as variações. Análise coletada por e hospedada no G2.com.

O que você mais gosta Optimizely Feature Experimentation?

Gosto que você possa configurar várias métricas secundárias/outros além da métrica principal. Os resultados são muito claros, e gosto de poder ver tudo em uma página, incluindo impressões, métricas, significância estatística, taxas de conversão e visualizações. Sou Gerente de Produto, e do ponto de vista de um GP, a ferramenta é fácil de usar. Análise coletada por e hospedada no G2.com.

O que você não gosta Optimizely Feature Experimentation?

Eu não gosto que não haja uma maneira de filtrar por ambiente. Como o Optimizely permite que você mantenha ambientes separados de Produção e outros para cada experimento, eu esperaria ter a opção de filtrar para cada um. Um desenvolvedor da minha equipe descobriu uma maneira de criar um segmento personalizado para isso, mas é algo que eu esperaria que viesse pronto para uso. Análise coletada por e hospedada no G2.com.

O que você mais gosta Optimizely Feature Experimentation?

Adicionando flags de recursos para desenvolvimento baseado em trunk Análise coletada por e hospedada no G2.com.

O que você não gosta Optimizely Feature Experimentation?

Pode ficar bastante complicado, dependendo do que você quer fazer.

Além disso, eles têm entradas de blog que apontam corretamente os benefícios de testar com feature flags ativadas e desativadas, mas não têm exemplos de como você usaria seu SDK para fazer isso. E quando perguntados, eles também não sabem como realmente fazer isso. Análise coletada por e hospedada no G2.com.

O que você mais gosta Optimizely Feature Experimentation?

Optimizely é uma plataforma de testes A/B muito poderosa, e suas bibliotecas são fáceis de integrar em nossos servidores web. Análise coletada por e hospedada no G2.com.

O que você não gosta Optimizely Feature Experimentation?

O site para gerenciar os feature flags e experimentos do Optimizely é um pouco desajeitado. É muito lento se houver muitos flags configurados, e os controles para implementar os flags são mal explicados. Além disso, tivemos que construir uma ferramenta separada para mapear os públicos do Optimizely para nossos usuários. Análise coletada por e hospedada no G2.com.

O que você mais gosta Optimizely Feature Experimentation?

É fácil verificar testes AB. Não é necessário aprofundar-se nos dados ou fazer consultas. Está disponível para todos na empresa verem os resultados e analisá-los. Além disso, os grupos de exclusão facilitam o teste de múltiplos testes ao mesmo tempo. Análise coletada por e hospedada no G2.com.

O que você não gosta Optimizely Feature Experimentation?

Não muito. Apenas um pouco mais de esforço no lado técnico do que nos testes web. Mas nós geralmente tentamos fazer testes fullstack, já que parece mais preciso para nós. Análise coletada por e hospedada no G2.com.

O que você mais gosta Optimizely Feature Experimentation?

Isso nos permite fazer toda a conexão analítica de nossos sistemas de back-end com nosso kit de ferramentas de otimização. Isso significa que podemos realmente nos aprofundar nos detalhes de como nosso público se comportou antes e depois da conversão. Análise coletada por e hospedada no G2.com.

O que você não gosta Optimizely Feature Experimentation?

Não é tão ágil quanto o outro produto deles, o X Web. Pode levar um tempo para que nossas equipes de desenvolvimento/produto realizem testes, devido a toda a "infraestrutura" que precisamos montar. Embora sincronize com outras ferramentas de análise, não é tão fácil de integrar quanto outras ferramentas (por exemplo, o X Web). Análise coletada por e hospedada no G2.com.

O que você mais gosta Optimizely Feature Experimentation?

Resposta rápida para as perguntas fornecidas no optimizely-community.slack.com Análise coletada por e hospedada no G2.com.

O que você não gosta Optimizely Feature Experimentation?

Mesmo o pequeno recurso estava lá "Asa Schachar:optimizely-white: 6 meses atrás

Acho que vejo o que está acontecendo. Este é um bom feedback e acho que vamos abordar isso em uma nova versão de lançamentos direcionados.

Como o lançamento para o primeiro público é de 0%, isso significa que 0% daqueles que se qualificam para o primeiro público estarão no lançamento. Então, ele avalia a regra de todos os outros.

Para obter o comportamento que você está procurando, talvez seja necessário usar uma variável de recurso, para simplificar, você poderia ter uma variável booleana ativada que seja verdadeira ou falsa.

Então, para o lançamento direcionado, defina-o para 100% para todos os públicos, mas altere o valor da variável para cada público. Dessa forma, você pode ter uma experiência verdadeira para cypressON e uma experiência falsa para cypressOFF. Isso faz sentido? (editado)" Análise coletada por e hospedada no G2.com.