Multi-armed Bandit

Ein Multi-armed Bandit ist ein adaptiver Ansatz zur Verteilung von Traffic auf verschiedene Varianten während eines Experiments. Dabei wird schrittweise mehr Traffic auf die Varianten geleitet, die bessere Ergebnisse erzielen, während die übrigen Varianten weiterhin ausreichend Traffic erhalten, um zusätzliche Erkenntnisse zu gewinnen. So lassen sich bereits während des Experiments die Gesamtergebnisse verbessern, ohne den Lernprozess zu unterbrechen. Dieser Ansatz eignet sich besonders, wenn Optimierung und Erkenntnisgewinn gleichzeitig im Vordergrund stehen.

Beispiel: Zu Beginn wird der Traffic gleichmäßig auf drei Seitenvarianten verteilt. Anschließend verlagert das System automatisch mehr Traffic auf die Variante mit den meisten Add-to-Carts, während die übrigen Varianten weiterhin getestet werden.