尽管市场对允许开发者尝试不同应用版本的平台需求旺盛，但所需的构建基础设施仍然相对复杂。除了数据管道和统计方法外，实验基础设施还依赖于分析工作流，这些工作流通常来自难以配置的云环境。
近年来涌现出众多初创公司，旨在抽象化应用实验基础设施，包括Split、Statsig和Optimizely。近期加入战局的是Eppo，该公司今日结束保密状态并宣布完成1950万美元融资，其中包括Menlo Ventures领投的1600万美元A轮融资以及由Amplify Partners领投的350万美元种子轮融资。一位知情人士透露，其投后估值为8000万美元。
Eppo：连接产品努力与业务指标的实验平台
首席执行官Che Sharma表示，Eppo的灵感来源于他作为Airbnb和网站构建工具Webflow的早期数据科学家时构建实验平台的经历。“商业领域中没有提供像Airbnb那样强大的实验系统功能，这意味着需要一遍又一遍地构建相同的系统。”他通过电子邮件表示，“我创建Eppo是为了利用现代数据栈和最新的因果推断文献，使公司能够将产品团队的努力与收入等业务指标联系起来，并提升统计功效。”
Sharma承认，应用实验空间正变得拥挤，甚至饱和，竞争对手众多。但他表示，Eppo的独特之处在于其分析工具，这些工具使用置信区间来使随机实验的结果更易于理解和解释。Eppo还支持对AI和机器学习模型进行实验，利用技术执行实时实验，以展示一个模型是否优于另一个模型。
CUPED方差减少：提升实验精准度
Sharma声称，Eppo是最早包含CUPED方差减少功能的商业平台之一，这是一种试图消除可通过实验前信息解释的指标方差的方法。例如，假设一家房产预订公司运行一项旨在增加每日预订量的实验。每个房产每天的预订量可能从0到数千不等。但在实验之前，每个房产的平均每日预订量通常是可以确定的；通过CUPED，这种知识可以用来测试实验后每个房产的每日预订量是增加、减少还是保持不变。
隐私优先与聚焦收入ROI
“在现代数据栈的所有产品中，实验与收入投资回报率的关系最为明确，因为它将高管层和董事会层面的指标注入到产品团队的每一个决策中。”Sharma说，“特别是在经济衰退市场，高管层需要他们的产品团队推动收入等业务指标。没有实验，产品团队会陷入持续发布、关注参与度和点击率等虚荣指标的循环，但始终无法确信他们的工作改善了企业的财务前景。”
Sharma还断言，Eppo比大多数实验平台更注重隐私保护，因为所有数据计算都在Snowflake上的云端完成。与收集点击、参与和其他个人身份信息不同，Eppo平台仅存储聚合的、匿名化的实验结果。
“我们是以一种更注重隐私的新方式来构建分析产品的主要倡导者，”他说，“其他实验平台要求将全部数据发送给它们，本质上是在存储每个客户自身数据生态系统的副本。”
市场低迷下的逆势增长
当然，如果员工不使用，再好的实验软件也无济于事。获得内部认可可能颇具挑战，部分原因在于实验可能会暴露产品开发真实且有时低于预期的成功率。即使在Google和Bing等科技巨头中，绝大多数——约80%至90%的实验——也未能产生积极结果。
但Sharma在拒绝回答有关收入的问题时表示，采用率依然强劲。他表示，Eppo的客户群在过去一年中有所增长，包括Goldbelly、Netlify、Kumu以及至少一家未具名的财富500强公司。
“随着近期市场低迷，我们看到对实验的兴趣出现复苏。在我们现有客户和潜在客户管道中，我们都观察到这一模式：裁员主要集中在那些正在构建不会快速带来收入的全新未来产品线的团队，而重心则转向以收入为核心的产品开发，这本质上是高度依赖实验的，”Sharma说，“具体而言，尽管许多客户进行了裁员，但所有实验团队均未进行裁员。”
凭借新一轮融资，总部位于加利福尼亚州旧金山的Eppo计划在今年年底前将其团队从15人扩大到25人。