Privacy Aware Experiments without Cookies
无需 Cookie 的隐私友好实验AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究 A/B 实验设计和平均处理效应的无偏估计。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
无需 Cookie 的隐私友好实验
- 研究问题
- 两个品牌无法借助第三方 Cookie 共享访客身份时，如何联合开展替代网页体验的 A/B 测试并估计平均处理效应？
- 方法与思路
- 作者提出两阶段实验设计，使品牌仅需约定实验的高层汇总参数，并构造平均处理效应估计量及其理论方差。
- 材料陈述的贡献
- 摘要称估计量无偏，真实和模拟数据展示较低方差及对跨品牌访客重叠比例的稳健性，并提供实验设计与分析示范。
- 阅读关注点
- 应核对两个阶段的随机化与信息交换规则、无偏性条件、访客重叠的处理，以及隐私保护具体依赖何种信息限制。
- 阅读边界
- 来源为 arXiv 预印本，同行评审及期刊接收未经核实；摘要未说明正式隐私保证或方差比较基准，低方差结论不能普遍外推。
原文摘要
Consider two brands that want to jointly test alternate web experiences for their customers with an A/B test. Such collaborative tests are today enabled using \textit{third-party cookies}, where each brand has information on the identity of visitors to another website. With the imminent elimination of third-party cookies, such A/B tests will become untenable. We propose a two-stage experimental design, where the two brands only need to agree on high-level aggregate parameters of the experiment to test the alternate experiences. Our design respects the privacy of customers. We propose an estimater of the Average Treatment Effect (ATE), show that it is unbiased and theoretically compute its variance. Our demonstration describes how a marketer for a brand can design such an experiment and analyze the results. On real and simulated data, we show that the approach provides valid estimate of the ATE with low variance and is robust to the proportion of visitors overlapping across the brands.