Confrontare i tassi di conversione
Ora che sappiamo che l’allocazione è relativamente equilibrata, guardiamo il tasso di conversione per control e personalization. Dato che abbiamo scelto il tasso di conversione come metrica chiave per questo test, è fondamentale valutare se la conversione sia stata più alta nel trattamento di personalization rispetto al control. Anche se approfondiremo nei prossimi esercizi, misurare la differenza della metrica chiave tra control e trattamento è l’aspetto più importante per valutare il successo di un A/B test.
Il DataFrame email è stato caricato nel tuo workspace e contiene solo le righe del DataFrame marketing in cui marketing_channel è 'Email'.
Questo esercizio fa parte del corso
Analizzare campagne di marketing con pandas
Istruzioni dell'esercizio
- Raggruppa il DataFrame
emailperuser_idevariantselezionando il valore massimo della colonnaconvertede salva i risultati insubscribers. - Elimina i valori mancanti dalla colonna
controldisubscribers_df. - Elimina i valori mancanti dalla colonna
personalizationdisubscribers_df. - Calcola il tasso di conversione sia per
personalizationsia percontrolusando la funzione appropriata per ciascuno.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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:', ____)