Dag-van-de-week-effect
Hoewel A/B-testen ons in staat stelt externe variabelen zoals weer en feestdagen te controleren, kunnen sommige treatments sterkere of zwakkere effecten hebben dan andere, die je moet meenemen om het gebruikersgedrag in fluctuerende periodes volledig te vangen. Afhankelijk van de gemonitorde metriek kan het nodig zijn je A/B-testen in volledige wekelijkse stappen te draaien. Sommige metriek(en) vertonen seizoenspatronen en worden beïnvloed door feestdagen, weekenden, enz., terwijl andere minder fluctueren. Het is aan jou als data scientist om het team te adviseren of ze de test kunnen stoppen zodra de vereiste steekproefgrootte is bereikt, of dat ze met een paar dagen moeten verlengen om seizoenseffecten zoals de dag-van-de-week af te dekken.
Bekijk de dataset novelty die voor je is geladen om de metriek(en) te selecteren die in wekelijkse stappen moeten worden uitgevoerd. pandas en matplotlib zijn ook voor je geladen.
Deze oefening maakt deel uit van de cursus
A/B-testen in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Create a line plot
novelty.____('____', '____')
plt.title('Purchase Rate Over Test Duration')
plt.ylabel('Purchase Rate [%]')
plt.ylim([0, 0.04])
plt.show()