Efekt dne v týdnu
A/B testování sice umožňuje kontrolovat vnější proměnné, jako je počasí nebo svátky, ale některé zásahy mohou mít v určitých obdobích silnější nebo slabší účinek – a to je potřeba zohlednit, abychom plně zachytili chování uživatelů v průběhu výkyvů. Podle sledované metriky může být nutné spouštět A/B testy po celých týdenních cyklech. Některé metriky vykazují sezónnost a jsou ovlivněny svátky, víkendy apod., jiné zas příliš nekolísají. Je na tobě jako datovém analytikovi, abys týmu poradil/a, zda může test ukončit po dosažení požadované velikosti vzorku, nebo ho prodloužit o několik dní, aby pokryl sezónní vlivy – jako je právě efekt dne v týdnu.
Prohlédni si načtený dataset novelty a urči metriky, které je potřeba měřit po celých týdenních cyklech. K dispozici máš také načtené knihovny pandas a matplotlib.
Toto cvičení je součástí kurzu
A/B testování v Pythonu
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Create a line plot
novelty.____('____', '____')
plt.title('Purchase Rate Over Test Duration')
plt.ylabel('Purchase Rate [%]')
plt.ylim([0, 0.04])
plt.show()