Эффект дня недели
Хотя A/B-тестирование позволяет контролировать внешние факторы — такие как погода и праздники, — некоторые воздействия могут проявляться сильнее или слабее в зависимости от периода. Чтобы точно отразить поведение пользователей в такие периоды, эти факторы необходимо учитывать. В зависимости от отслеживаемой метрики вам может потребоваться проводить A/B-тесты в течение полных недельных интервалов. Одни метрики подвержены сезонности и реагируют на праздники, выходные и другие события, тогда как другие остаются относительно стабильными. Именно вы как специалист по данным должны помочь команде решить: завершить тест после достижения нужного объёма выборки или продлить его на несколько дней, чтобы учесть сезонные эффекты, например влияние дня недели.
Изучите набор данных novelty, который уже загружен для вас, и определите метрики, тестирование которых требует полных недельных интервалов. Библиотеки pandas и matplotlib также загружены заранее.
Это упражнение является частью курса
A/B-тестирование в Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Create a line plot
novelty.____('____', '____')
plt.title('Purchase Rate Over Test Duration')
plt.ylabel('Purchase Rate [%]')
plt.ylim([0, 0.04])
plt.show()