Мультивариантное (A/B/N, или сплит) тестирование – самый популярный способ тестирования почтовых рассылок. Этот инструмент доказал свою эффективность, но у него есть недостатки, связанные в первую очередь с тем, что тестирование и основная отправка разнесены во времени.
Мы в DashaMail решили со своей стороны повлиять на ситуацию и нашли другой подход к тестированию рассылок, позволяющий одновременно тестировать и оптимизировать отправку. Он использует байесовскую теорию, технологии нейросетей и машинного обучения – в итоге всё это позволяет увеличить открываемость писем в среднем на 20%.
Алгоритм Wave Function Collapse генерирует битовые изображения, локально подобные входному битовому изображению.
Локальное подобие означает, что
(C1) Каждый паттерн NxN пикселей в выходных данных должен хотя бы раз встречаться во входных данных.
(Слабое условие C2) Распределение паттернов NxN во входных данных должно быть подобным распределению паттернов NxN в значительно большом количестве наборов выходных данных. Другими словами, вероятность встречи определённого паттерна в выходных данных должна быть близка к плотности таких паттернов во входных данных.
