Сравнение коэффициентов конверсии

Теперь, когда мы убедились, что распределение пользователей по группам достаточно равномерное, давайте сравним коэффициенты конверсии в контрольной группе и группе персонализации. Поскольку мы выбрали коэффициент конверсии в качестве ключевой метрики теста, крайне важно оценить, была ли конверсия выше в группе персонализации по сравнению с контрольной. В последующих упражнениях мы рассмотрим этот вопрос подробнее, однако измерение разницы по ключевой метрике между контрольной группой и группой воздействия — это самый важный шаг при оценке результатов A/B-теста.

В рабочем пространстве уже загружен DataFrame email, который содержит только те строки из DataFrame marketing, где marketing_channel равен 'Email'.

Это упражнение является частью курса

Анализ маркетинговых кампаний с помощью pandas

Посмотреть курс

Инструкции к упражнению

Сгруппируйте DataFrame email по столбцам user_id и variant, выбрав максимальное значение столбца converted, и сохраните результат в переменную subscribers.
Удалите пропущенные значения из столбца control DataFrame subscribers_df.
Удалите пропущенные значения из столбца personalization DataFrame subscribers_df.
Рассчитайте коэффициент конверсии для групп personalization и control, используя подходящую функцию.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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:', ____)

Редактировать и запускать код