Библиотека исследований

Пятнадцать работ прочитаны полностью и переведены в ограниченные продуктовые решения.

American Economic Review · 2011-10

Bayesian Persuasion

Открыть запись доказательств

Вопрос исследования

Этичный дизайн информации

Метод

Теоретическое исследование · n/a · DOI 10.1257/aer.101.6.2590

Допущения

  • Байесовское убеждение: Теоретическая модель, где отправитель выбирает структуру информации до действия рационального получателя.
  • Отправитель и получатель: Стороны, которые создают сигнал и действуют после его наблюдения.
  • Дизайн информации: Намеренная и правдивая структура того, что и когда раскрывается.
  • Обязательство: Допущение, что политика информации фиксируется до известности результата.

Что поддерживают данные

Показывайте правдивые данные, неопределённость и ограничения вокруг решения; не превращайте байесовское убеждение в манипуляционный балл.

Ограничения и переносимость

Свяжите утверждения с данными, неопределённостью, альтернативами и честным соответствием без оценки убеждения. Это помощь в планировании и раскрытии, а не доказательство изменения поведения.

Чего это не устанавливает

Универсальный балл не рассчитывается · Это помощь в планировании и раскрытии, а не доказательство изменения поведения.

Что NAVINES намеренно не строил

Универсальный балл не рассчитывается

Первичные источники

Авторское право издателя; только обзор и официальная ссылка

Как NAVINES применил: Лаборатория доказательств и позиционирования

Review of Economic Studies · 2017-01

Competition in Persuasion

Открыть запись доказательств

Вопрос исследования

Конкурентное позиционирование

Метод

Теоретическое исследование · n/a · DOI 10.1093/restud/rdw052

Допущения

  • Отправитель и получатель: Стороны, которые создают сигнал и действуют после его наблюдения.
  • Дизайн информации: Намеренная и правдивая структура того, что и когда раскрывается.
  • Обязательство: Допущение, что политика информации фиксируется до известности результата.

Что поддерживают данные

Сравнивайте реальные альтернативы на общей основе. Конкуренция может повысить или снизить раскрытие и не создаёт истину автоматически.

Ограничения и переносимость

Свяжите утверждения с данными, неопределённостью, альтернативами и честным соответствием без оценки убеждения. Это помощь в планировании и раскрытии, а не доказательство изменения поведения.

Чего это не устанавливает

Универсальный балл не рассчитывается · Это помощь в планировании и раскрытии, а не доказательство изменения поведения.

Что NAVINES намеренно не строил

Универсальный балл не рассчитывается

Первичные источники

Авторское право издателя; только обзор и официальная ссылка

Как NAVINES применил: Лаборатория доказательств и позиционирования

Experimental Economics · 2024-09-13

Rational inattention in games: experimental evidence

Открыть запись доказательств

Вопрос исследования

Рациональное внимание и трение

Метод

Контролируемый эксперимент · 12 · n=238 · DOI 10.1007/s10683-024-09843-z

Допущения

  • Рациональное невнимание: Модели, сопоставляющие ценность информации со стоимостью внимания или обработки.

Что поддерживают данные

Оценивайте ставки, знакомство, неопределённость, обратимость и цену информации. Опыт покупатель-продавец не даёт универсального индекса.

Ограничения и переносимость

Оцените решение в контексте, не считая меньшее число вариантов всегда лучшим. Результат — наблюдения и гипотезы, а не балл конверсии.

Чего это не устанавливает

Универсальный балл не рассчитывается · Результат — наблюдения и гипотезы, а не балл конверсии.

Что NAVINES намеренно не строил

Универсальный балл не рассчитывается

Первичные источники

Открытый доступ CC BY 4.0

Как NAVINES применил: Лаборатория трения и архитектуры выбора

ACM KDD · 2003

Maximizing the Spread of Influence through a Social Network

Открыть запись доказательств

Вопрос исследования

Влияние и распространение

Метод

Алгоритмическое исследование · Independent Cascade; Linear Threshold; (1−1/e−ε); DOI 10.1145/956750.956769

Допущения

  • Максимизация влияния: Выбор начальных узлов для максимальной ожидаемой диффузии в заданном графе и модели.
  • Субмодулярность: Свойство убывающей отдачи от добавления того же семени в более крупный набор.

Что поддерживают данные

Моделируйте реальный граф с параметрами и неопределённостью. Жадное приближение при субмодулярности не прогнозирует вирусность.

Ограничения и переносимость

Сравните жадный Монте-Карло с базой степени при явных допущениях распространения. Охват зависит от графа, параметров и модели; это не прогноз вирусности.

Чего это не устанавливает

Универсальный балл не рассчитывается · Охват зависит от графа, параметров и модели; это не прогноз вирусности.

Что NAVINES намеренно не строил

Универсальный балл не рассчитывается

Первичные источники

Авторское право издателя; только обзор и официальная ссылка

Как NAVINES применил: Планировщик посева влияния

ACM CHI · 2001

What Makes Web Sites Credible? A Report on a Large Quantitative Study

Открыть запись доказательств

Вопрос исследования

Доказательства доверия

Метод

Исторические поведенческие данные · 1999 · n=1,410 · US/FI · 51 · DOI 10.1145/365024.365037

Допущения

Проверьте видимые сведения, авторов, источники, политики, удобство и безопасность без прогноза конверсии.

Что поддерживают данные

Показывайте идентичность, авторов, источники, политики, даты, безопасность и доступность. Историческое восприятие не изучает конверсию или рейтинг.

Ограничения и переносимость

Проверьте видимые сведения, авторов, источники, политики, удобство и безопасность без прогноза конверсии. Автоматика не подтверждает экспертизу, истинность, полную доступность или восприятие людей.

Чего это не устанавливает

Универсальный балл не рассчитывается · Автоматика не подтверждает экспертизу, истинность, полную доступность или восприятие людей.

Что NAVINES намеренно не строил

Универсальный балл не рассчитывается

Первичные источники

Авторское право издателя; только обзор и официальная ссылка

Как NAVINES применил: Аудит доказательств доверия

Journal of Consumer Research · 2010-10

Can There Ever Be Too Many Options? A Meta-Analytic Review of Choice Overload

Открыть запись доказательств

Вопрос исследования

Архитектура выбора

Метод

Метаанализ · 63 · 50 · N=5,036 · d=.02 · 95% CI −.09… .12 · I²=68% · DOI 10.1086/651235

Допущения

  • Перегрузка выбором: Контекстная возможность вреда от большего выбора, а не универсальное правило.

Что поддерживают данные

Категоризируйте и раскрывайте постепенно, когда полезно, но проверяйте контекст. Средний эффект метаанализа почти нулевой при высокой неоднородности.

Ограничения и переносимость

Оцените решение в контексте, не считая меньшее число вариантов всегда лучшим. Результат — наблюдения и гипотезы, а не балл конверсии.

Чего это не устанавливает

Универсальный балл не рассчитывается · Результат — наблюдения и гипотезы, а не балл конверсии.

Что NAVINES намеренно не строил

Универсальный балл не рассчитывается

Первичные источники

Авторское право издателя; только обзор и официальная ссылка

Как NAVINES применил: Лаборатория трения и архитектуры выбора

Data Mining and Knowledge Discovery · 2009

Controlled experiments on the web: survey and practical guide

Открыть запись доказательств

Вопрос исследования

Контролируемые эксперименты

Метод

Операционное руководство по экспериментам · DOI 10.1007/s10618-008-0114-1

Допущения

  • Общий критерий оценки: Заранее заданная основная метрика для общей оценки эксперимента.
  • Защитная метрика: Метрика, способная остановить запуск при ухудшении защищённого результата.

Что поддерживают данные

Определите OEC, защитные метрики, мощность, назначение, запуск и остановку до результатов. Пограничный p-value не выбирает победителя.

Ограничения и переносимость

Зафиксируйте гипотезу, главную метрику, выборку и эффект с прозрачными расчётами. Статистическая разница не равна бизнес-ценности, а сравнение до–после не доказывает причину.

Чего это не устанавливает

Универсальный балл не рассчитывается · Статистическая разница не равна бизнес-ценности, а сравнение до–после не доказывает причину.

Что NAVINES намеренно не строил

Универсальный балл не рассчитывается

Первичные источники

Издатель указывает открытый доступ; лицензию повторного использования нужно подтвердить

Как NAVINES применил: Планировщик SEO-эксперимента и сравнение результатов

ACM KDD · 2017

A Dirty Dozen: Twelve Common Metric Interpretation Pitfalls in Online Controlled Experiments

Открыть запись доказательств

Вопрос исследования

Ошибки интерпретации

Метод

Операционное руководство по экспериментам · 12 · Microsoft · DOI 10.1145/3097983.3098024

Допущения

  • Несоответствие долей выборки: Статистически маловероятная разница между наблюдаемым и плановым распределением.
  • Эффекты новизны и первичности: Временные реакции на новизну или на обучение и адаптацию со временем.
  • Парадокс Симпсона: Разворот между общим и групповыми паттернами из-за весов или смешения.
  • Закон Тваймана: Предупреждение, что крайне неожиданный результат требует усиленной проверки.

Что поддерживают данные

Проверьте SRM, отношения, телеметрию, мощность, множественность, сегменты, выбросы, новизну, воронку, Симпсона и закон Тваймана.

Ограничения и переносимость

Зафиксируйте гипотезу, главную метрику, выборку и эффект с прозрачными расчётами. Статистическая разница не равна бизнес-ценности, а сравнение до–после не доказывает причину.

Чего это не устанавливает

Универсальный балл не рассчитывается · Статистическая разница не равна бизнес-ценности, а сравнение до–после не доказывает причину.

Что NAVINES намеренно не строил

Универсальный балл не рассчитывается

Первичные источники

Авторское право издателя; только обзор и официальная ссылка

Как NAVINES применил: Планировщик SEO-эксперимента и сравнение результатов

ACM CIKM · 2013

Beyond Clicks: Query Reformulation as a Predictor of Search Satisfaction

Открыть запись доказательств

Вопрос исследования

Удовлетворённость кроме кликов

Метод

Исторические поведенческие данные · ≈6,000 · 7,628 · n=218 · DOI 10.1145/2505515.2505682

Допущения

  • Переформулировка запроса: Следующий запрос, меняющий слова, охват или термины в ходе поисковой задачи.

Что поддерживают данные

Быстрые похожие переформулировки могут поддержать гипотезу сессии. Клик не успех, тишина не удовлетворение, агрегат GSC не сессия.

Ограничения и переносимость

Рассматривает анонимные переформулировки сессий как гипотезы, сохраняя запросы локально. Клик не доказывает успех, отсутствие следующего запроса — удовлетворённость.

Чего это не устанавливает

Универсальный балл не рассчитывается · Клик не доказывает успех, отсутствие следующего запроса — удовлетворённость.

Что NAVINES намеренно не строил

Универсальный балл не рассчитывается

Первичные источники

Авторское право издателя; только обзор и официальная ссылка

Как NAVINES применил: Анализатор трения поискового пути

Доказательства проверены 15 августа 2026 · Не устанавливает текущие факторы Google или гарантированный результат.

Исследования

Оригинальный анализ с открытой методикой, данными и ограничениями.

Мы не гонимся за алгоритмами. Мы создаём ясность, доверие и видимость, которая накапливается со временем.

Сделать передовую поисковую аналитику понятной, полезной и доступной, а затем помочь компаниям превратить её в измеримые действия.

Методика

  • Определите рамки, ключевые шаблоны и метрики успеха.
  • Проверьте выборку ответов сервера, robots, sitemap, canonical и внутренних ссылок.
  • Определите основную и защитные метрики, связанные с бизнес-целью.
  • Создайте сопоставимые периоды и срезы по странице, запросу, стране и устройству.

Ограничения

  • Атрибуция, приватность и пороги скрывают часть пути.
  • Совпадение изменения с датой внедрения не доказывает причинность.
WhatsApp