Porównywanie współczynników konwersji

Skoro wiemy już, że podział na grupy jest względnie równomierny, przyjrzyjmy się współczynnikowi konwersji dla grup kontrolnej i personalizacji. Ponieważ konwersja to kluczowa metryka tego testu, niezwykle ważne jest sprawdzenie, czy była ona wyższa w wariancie z personalizacją niż w grupie kontrolnej. Choć w kolejnych ćwiczeniach zagłębimy się w temat bardziej szczegółowo, pomiar różnicy w kluczowej metryce między grupą kontrolną a wariantem testowym stanowi najważniejszy element oceny sukcesu testu A/B.

W przestrzeni roboczej dostępna jest ramka danych email, która zawiera wyłącznie wiersze z ramki danych marketing, gdzie marketing_channel ma wartość 'Email'.

To ćwiczenie jest częścią kursu

Analiza kampanii marketingowych z pandas

Zobacz kurs

Instrukcje do ćwiczenia

Pogrupuj ramkę danych email według kolumn user_id i variant, wybierając maksymalną wartość kolumny converted, a wyniki zapisz w zmiennej subscribers.
Usuń brakujące wartości z kolumny control ramki danych subscribers_df.
Usuń brakujące wartości z kolumny personalization ramki danych subscribers_df.
Oblicz współczynnik konwersji dla kolumn personalization i control, używając odpowiedniej funkcji.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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:', ____)

Edytuj i uruchom kod