Effetto giorno della settimana
Sebbene l’A/B testing ci permetta di controllare variabili esterne come meteo e festività, alcuni trattamenti possono avere effetti più o meno forti di altri che vanno considerati per cogliere appieno il comportamento degli utenti in periodi fluttuanti. A seconda della metrica monitorata, potresti dover eseguire i tuoi test A/B per incrementi settimanali completi. Alcune metriche mostrano stagionalità e sono influenzate da festività, weekend, ecc., mentre altre non fluttuano così tanto. Sta a te, come data scientist, consigliare il team se fermare il test al raggiungimento della dimensione campionaria richiesta o estenderlo di qualche giorno per coprire effetti stagionali come il giorno della settimana.
Esamina il set di dati novelty caricato per te per selezionare le metriche che devono essere eseguite per incrementi settimanali. Anche pandas e matplotlib sono già caricati.
Questo esercizio fa parte del corso
A/B Testing in Python
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Create a line plot
novelty.____('____', '____')
plt.title('Purchase Rate Over Test Duration')
plt.ylabel('Purchase Rate [%]')
plt.ylim([0, 0.04])
plt.show()