1. Learn
    2. /
  2. Courses
    3. /
  3. Testy A/B w Pythonie
Connected

Exercise

Wykrywanie efektów nowości

Efekty nowości zdarzają się częściej, niż większość analityków i inżynierów danych by się spodziewała. Jednym z typowych błędów popełnianych przez początkujących analityków jest uruchamianie testu A/B dla nowej funkcji, a następnie wyciąganie wniosków po zaobserwowaniu dużego wzrostu wskaźników użycia w ciągu pierwszych kilku dni.

Zbiór danych novelty zawiera informacje o różnicy w średnim czasie spędzonym na stronie przez użytkownika (ToP) między dwiema wariantami. Przeanalizuj wyniki w czasie i sprawdź, czy widoczne są jakiekolwiek oznaki efektów nowości. Czy uwzględniłoby się wszystkie wyniki od początku do końca testu?

Instructions 1/2

undefined XP
    1
    2
  • Zwizualizuj wzrost metryki czasu spędzonego na stronie ToP_lift w trakcie trwania eksperymentu.