전환율 비교하기
할당이 비교적 균등하다는 것을 확인했으니, 이제 control과 personalization의 전환율을 살펴보겠습니다. 이번 테스트의 핵심 지표로 전환율을 선택했기 때문에, personalization 처리군에서의 전환이 control 대비 더 높았는지 평가하는 것이 매우 중요합니다. 이후 연습 문제에서 더 깊이 살펴보겠지만, A/B 테스트의 성공을 평가할 때 가장 중요한 부분은 control과 처리군 간 핵심 지표의 차이를 측정하는 일입니다.
email DataFrame은 작업 공간에 로드되어 있으며, 이는 marketing DataFrame에서 marketing_channel이 'Email'인 행만 포함합니다.
이 연습은 강의의 일부입니다
pandas로 마케팅 캠페인 분석하기
연습 안내
emailDataFrame을user_id와variant로 그룹화하고converted열의 최댓값을 선택해 결과를subscribers에 저장하세요.subscribers_df의control열에서 결측값을 제거하세요.subscribers_df의personalization열에서 결측값을 제거하세요.- 각각에 적합한 함수를 사용해
personalization과control의 전환율을 계산하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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:', ____)