Efekt dnia tygodnia
Choć testy A/B pozwalają kontrolować zmienne zewnętrzne, takie jak pogoda czy święta, niektóre interwencje mogą mieć silniejszy lub słabszy wpływ w różnych okresach – co trzeba uwzględnić, aby w pełni uchwycić zachowania użytkowników w zmiennych warunkach. W zależności od śledzonej metryki warto rozważyć przeprowadzanie testów A/B przez pełne tygodniowe okresy. Niektóre metryki wykazują sezonowość i są wrażliwe na święta, weekendy itp., podczas gdy inne pozostają względnie stabilne. Jako osoba odpowiedzialna za analizę danych to ty doradzasz zespołowi, czy test można zakończyć po zebraniu wymaganej liczby próbek, czy też należy go przedłużyć o kilka dni, aby uwzględnić efekty sezonowe – takie jak efekt dnia tygodnia.
Przeanalizuj wczytany zbiór danych novelty i wskaż metryki, które wymagają pełnych tygodniowych cykli pomiaru. Biblioteki pandas i matplotlib są już wczytane.
To ćwiczenie jest częścią kursu
Testy A/B w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Create a line plot
novelty.____('____', '____')
plt.title('Purchase Rate Over Test Duration')
plt.ylabel('Purchase Rate [%]')
plt.ylim([0, 0.04])
plt.show()