सप्ताह के दिन का प्रभाव
हालाँकि A/B टेस्टिंग हमें मौसम और छुट्टियों जैसे बाहरी वैरिएबल्स को नियंत्रित करने देती है, कुछ ट्रीटमेंट्स के प्रभाव दूसरे की तुलना में ज्यादा या कम हो सकते हैं। इन्हें शामिल करना ज़रूरी है ताकि उतार-चढ़ाव वाले समय में यूज़र बिहेवियर पूरी तरह समझ में आए। ट्रैक किए जा रहे मैट्रिक के आधार पर, आपको अपने A/B टेस्ट्स को पूरे साप्ताहिक इन्क्रीमेंट्स में चलाने पर विचार करना पड़ सकता है। कुछ मैट्रिक्स में सीज़नैलिटी होती है और वे छुट्टियों, वीकेंड्स आदि से प्रभावित होते हैं, जबकि अन्य में इतना उतार-चढ़ाव नहीं होता। एक डेटा साइंटिस्ट के रूप में यह आपकी जिम्मेदारी है कि आप टीम को सलाह दें कि क्या वे आवश्यक सैंपल साइज पहुँचते ही टेस्ट रोक सकते हैं, या सप्ताह-के-दिन जैसे मौसमी प्रभावों को कवर करने के लिए कुछ दिनों तक बढ़ाएँ।
आपके लिए लोड किए गए novelty डेटासेट की जाँच कीजिए और चुनिए कि किन मैट्रिक्स को साप्ताहिक इन्क्रीमेंट्स में चलाने की ज़रूरत है। pandas और matplotlib भी आपके लिए लोड किए गए हैं।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में A/B Testing
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Create a line plot
novelty.____('____', '____')
plt.title('Purchase Rate Over Test Duration')
plt.ylabel('Purchase Rate [%]')
plt.ylim([0, 0.04])
plt.show()