Comparar tasas de conversión

Ahora que sabemos que la asignación es relativamente uniforme, veamos la tasa de conversión del control y la personalización. Como elegimos la tasa de conversión como métrica clave de este test, es fundamental evaluar si la conversión fue mayor en el tratamiento de personalización que en el control. Aunque profundizaremos más en los siguientes ejercicios, medir la diferencia de la métrica clave entre el control y el tratamiento es la parte más importante para evaluar el éxito de un test A/B.

El DataFrame email ya está cargado en tu espacio de trabajo y contiene únicamente filas del DataFrame marketing donde marketing_channel es 'Email'.

Este ejercicio forma parte del curso

Análisis de campañas de marketing con pandas

Ver curso

Instrucciones del ejercicio

Agrupa el DataFrame email por user_id y variant, seleccionando el valor máximo de la columna converted, y guarda el resultado en subscribers.
Elimina los valores ausentes de la columna control de subscribers_df.
Elimina los valores ausentes de la columna personalization de subscribers_df.
Calcula la tasa de conversión tanto para personalization como para control usando la función adecuada en cada caso.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# 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:', ____)

Editar y ejecutar código