Wochentagseffekt
Auch wenn wir mit A/B-Tests externe Faktoren wie Wetter und Feiertage kontrollieren können, können manche Treatments stärkere oder schwächere Effekte haben, die berücksichtigt werden müssen, um das Nutzerverhalten in schwankenden Zeiträumen vollständig zu erfassen. Je nach beobachtetem Metrik solltest du in Erwägung ziehen, A/B-Tests über vollständige Wochenintervalle laufen zu lassen. Einige Metriken zeigen Saisonalität und werden durch Feiertage, Wochenenden usw. beeinflusst, während andere weniger schwanken. Als Data Scientist liegt es an dir, das Team zu beraten, ob der Test bei Erreichen der erforderlichen Stichprobengröße beendet werden kann oder ob er um ein paar Tage verlängert werden sollte, um saisonale Effekte wie den Wochentag abzudecken.
Untersuche den für dich geladenen novelty-Datensatz, um die Metriken zu wählen, die über wöchentliche Intervalle laufen sollten. pandas und matplotlib sind ebenfalls geladen.
Diese Übung ist Teil des Kurses
A/B-Tests in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Create a line plot
novelty.____('____', '____')
plt.title('Purchase Rate Over Test Duration')
plt.ylabel('Purchase Rate [%]')
plt.ylim([0, 0.04])
plt.show()