Detectarea efectelor de noutate
Efectele de noutate apar mai des decât s-ar aștepta majoritatea oamenilor de știință și inginerilor de date. Să rulezi un test A/B pe o funcționalitate nouă și să iei o decizie după ce observi o creștere bruscă a metricilor de utilizare în primele câteva zile este una dintre greșelile frecvente în care cad analiștii la început de drum.
Setul de date novelty, deja încărcat pentru tine, conține informații despre diferența în timpul mediu petrecut pe pagină per utilizator (ToP) între cele două variante. Examinează rezultatele în timp și verifică dacă există semne ale efectelor de noutate. Ai include toate rezultatele de la începutul până la sfârșitul testului?
Acest exercițiu face parte din cursul
A/B Testing în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Plot ToP_lift over the test dates
____.____('____', '____')
plt.title('Lift in Time-on-Page Over Test Duration')
plt.ylabel('Minutes')
plt.ylim([0, 20])
plt.show()