Porovnání míry konverze

Teď, když víme, že rozdělení uživatelů je přibližně rovnoměrné, podíváme se na míru konverze pro kontrolní skupinu a personalizaci. Protože jsme jako klíčovou metriku testu zvolili míru konverze, je zásadní zjistit, zda byla konverze vyšší ve skupině s personalizací než v kontrolní skupině. V dalších cvičeních se do toho ponoříme hlouběji, ale měření rozdílu klíčové metriky mezi kontrolní a testovací skupinou je to nejdůležitější při vyhodnocování úspěšnosti A/B testu.

Do tvého pracovního prostoru byl načten DataFrame email, který obsahuje pouze řádky z DataFrame marketing, kde je marketing_channel rovno 'Email'.

Toto cvičení je součástí kurzu

Analýza marketingových kampaní s pandas

Zobrazit kurz

Pokyny k cvičení

Seskup DataFrame email podle user_id a variant, vyber maximální hodnotu sloupce converted a výsledek ulož do proměnné subscribers.
Odstraň chybějící hodnoty ze sloupce control v subscribers_df.
Odstraň chybějící hodnoty ze sloupce personalization v subscribers_df.
Vypočítej míru konverze pro skupiny personalization i control pomocí příslušné funkce.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Group marketing by user_id and variant
subscribers = email.____(['user_id', 
                             ____])____
subscribers_df = pd.DataFrame(subscribers.unstack(level=1)) 

# Drop missing values from the control column
control = ____

# Drop missing values from the personalization column
personalization = ____

print('Control conversion rate:', ____)
print('Personalization conversion rate:', ____)

Upravit a spustit kód