Comment thredUp utilise Harness
thredUp utilise la gestion des fonctionnalités de Harness (anciennement Split) pour des déploiements progressifs de fonctionnalités, la personnalisation en temps réel des promotions du Black Friday, des tests A/B côté backend et des fonctionnalités masquées en production pour l'assurance qualité interne.
Voir la preuve capturéeL’usage : comment thredUp déploie Harness
thredUp uses Harness feature management (formerly Split) for phased feature rollouts, real-time personalization of Black Friday promotions, backend A/B testing, and hidden production features for internal QA.
Le témoignage du client
Si nous l'avions développé en interne, cela aurait demandé toute une équipe. Split avait tout ce dont nous avions besoin dès le départ : une interface intuitive et pensée pour les développeurs, et de solides capacités de gestion des données.Traduction automatique de l’anglaisVoir l’original
If we built this in-house, it would have required a whole team. Split had everything we needed out of the box—developer-friendly, intuitive UI, and robust data capabilities.Les clients de Harness dans le secteur E-commerce et vente directe (D2C)
Des entreprises du même secteur, avec une preuve publique.
Voir tous les clients de HarnessConsulter la source
Cette synthèse repose sur l’étude de cas publiée par Harness. Nous vérifions la preuve publique ; les résultats sont ceux rapportés par l’éditeur.
harness.io- Source publiée
- 5 août 2026
- Dernière vérification
- 7 oct. 2026
Ouvrir la capture Ce que dit le témoignage, et ce que nous avons vérifié
Ce que nous avons comparé à la page.
- L’extrait cité plus hautVérifié
Copié mot pour mot depuis la page, près du nom de thredUp.
- La date de publicationVérifié
Lue dans les métadonnées de la page, jamais devinée.
- thredUp utilise HarnessVérifié
Ligne de niveau Confirmé.
- Le résultat lui-mêmeNon vérifié
Nous le citons ; nous ne l’avons pas mesuré.
Personalize Offers in Real Time: During Black Friday, Split enabled thredUP to dynamically serve unique promotions and experiences based on customer attributes and machine-learning scores.

