De verschillende cohorten onderzoeken
Om deze les af te ronden ga je nu eerst plotten per 'country' en daarna per 'device' en de resultaten bekijken. Hopelijk zie je de beoogde stijging in alle groepen terug, zoals ontworpen. Dat zou erop wijzen dat de wijziging de oorzaak is van de stijging, en niet een andere gebeurtenis die het aankooppercentage beïnvloedt.
Deze oefening maakt deel uit van de cursus
Customer Analytics and A/B Testing in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Plot the average first week purchases for each country by registration date
country_pivot.plot(x='____', y=['____', '____', '____', '____', '____', '____'])
plt.show()