Etsy verwendet Experimente, um Ideen zu testen, wie z. B. das Angebot von kostenlosem Eis zu Einkäufen, um den Umsatz zu steigern. Um das Nutzerverhalten besser zu verstehen, verwenden sie Segmentierung, die Analysen basierend auf verschiedenen Nutzergruppen ermöglicht. Zuvor verfügte die Plattform von Etsy über begrenzte vordefinierte Segmentierungen, was eine eingehende Analyse behinderte und Erkenntnisse verlangsamte. Das Team entwickelte eine Segmentierungsbibliothek, die es Experimentatoren ermöglichte, ihre eigenen Segmente zu definieren, was ein langsamer und komplexer Prozess war. Dieser neue Ansatz ermöglicht es Benutzern, Segmentierungen mithilfe von SQL-Abfragen und Join-Keys zu erstellen, wodurch sie leicht verständlich und teilbar sind. Vor der Bereitstellung durchlaufen diese benutzerdefinierten Segmentierungen einen Validierungsprozess, um Genauigkeit und Sicherheit zu gewährleisten. Die dynamische Generierung von Aufgaben in der Datenpipeline ermöglichte die automatische Verarbeitung neuer Segmentierungen ohne Codeänderungen. Diese Transformation führte zu einer deutlichen Erhöhung der Anzahl der verfügbaren Segmentierungen. Das verbesserte System liefert schnellere und tiefere Einblicke und ermöglicht es Teams, bessere datengestützte Entscheidungen zu treffen. Insgesamt haben diese Änderungen den Experimentierprozess von Etsy flexibler und effizienter gemacht.