Effet jour de la semaine
Bien que l’A/B testing nous permette de contrôler des variables externes comme la météo et les jours fériés, certains traitements peuvent avoir des effets plus ou moins marqués qui doivent être pris en compte pour bien capter le comportement des utilisateurs pendant les périodes fluctuantes. Selon le métrique suivi, vous pourriez devoir exécuter vos tests A/B par incréments hebdomadaires complets. Certains indicateurs présentent une saisonnalité et sont affectés par les jours fériés, les week-ends, etc., tandis que d’autres fluctuent moins. En tant que data scientist, c’est à vous de conseiller l’équipe sur l’arrêt du test dès que la taille d’échantillon requise est atteinte, ou sur la nécessité de prolonger de quelques jours pour couvrir des effets saisonniers comme l’effet jour de la semaine.
Examinez le jeu de données novelty qui est chargé pour vous afin de sélectionner les métriques qui doivent être mesurées sur des incréments hebdomadaires. pandas et matplotlib sont également chargés.
Cet exercice fait partie du cours
A/B Testing en Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Create a line plot
novelty.____('____', '____')
plt.title('Purchase Rate Over Test Duration')
plt.ylabel('Purchase Rate [%]')
plt.ylim([0, 0.04])
plt.show()