Comparando taxas de conversão

Agora que sabemos que a alocação está relativamente equilibrada, vamos analisar a taxa de conversão do controle e da personalização. Como escolhemos a taxa de conversão como nossa métrica principal neste teste, é muito importante avaliar se a conversão foi maior no tratamento de personalização em comparação ao controle. Embora vamos nos aprofundar nos próximos exercícios, medir a diferença entre a métrica principal no controle e no tratamento é a parte mais importante para avaliar o sucesso de um teste A/B.

O DataFrame email já foi carregado no seu workspace e contém apenas as linhas do DataFrame marketing em que marketing_channel é 'Email'.

Este exercício faz parte do curso

Análise de campanhas de marketing com pandas

Ver curso

Instruções do exercício

Agrupe o DataFrame email por user_id e variant, selecione o valor máximo da coluna converted e armazene o resultado em subscribers.
Remova valores ausentes da coluna control de subscribers_df.
Remova valores ausentes da coluna personalization de subscribers_df.
Calcule a taxa de conversão para personalization e control usando a função apropriada para cada um.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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:', ____)

Editar e executar o código