Metriken zu Ad-Impressions
Ein Werbeunternehmen hat eine neue Anzeige entwickelt, um die Interaktion der Nutzer:innen mit ihrem Fragebogen zu erhöhen. Die neue Anzeige wurde einem Teil der Nutzer:innen in der Gruppe exposed gezeigt, während die control-Gruppe eine Dummy-Anzeige sah. Du bist die Data Analystin bzw. der Data Analyst, die bzw. der die Testergebnisse interpretiert. Dein erster Schritt ist, hilfreiche Metriken zu definieren und zu schätzen, um den Erfolg der Marketingmaßnahme zu bewerten.
Nutze das, was du im Video gelernt hast, um Erfolgsmetriken zu entwerfen und die Unterschiede zwischen den beiden Experimenttypen in der Spalte experiment zu analysieren. Der AdSmart-Datensatz von Kaggle ist für dich geladen.
Diese Übung ist Teil des Kurses
A/B-Tests in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Filter on users who responded
AdSmart_Responded = AdSmart[(AdSmart['____'] == ____) ____ (AdSmart['____'] == ____)]