Jämföra konverteringsfrekvenser

Nu när vi vet att fördelningen är relativt jämn är det dags att titta på konverteringsfrekvensen för kontrollgruppen och personaliseringsgruppen. Eftersom vi valde konverteringsfrekvens som vårt nyckelmått för det här testet är det avgörande att vi utvärderar om konverteringen var högre i personaliseringsbehandlingen jämfört med kontrollen. Vi kommer att gå djupare in på detta i senare övningar, men att mäta skillnaden i nyckelmåttet mellan kontroll och behandling är den viktigaste delen av att utvärdera ett A/B-tests framgång.

DataFrame:n email har laddats in i din arbetsyta och innehåller enbart rader från marketing-DataFrame:n där marketing_channel är 'Email'.

Den här övningen är en del av kursen

Analysera marknadsföringskampanjer med pandas

Visa kurs

Övningsinstruktioner

Gruppera email-DataFrame:n efter user_id och variant, välj ut maxvärdet för kolumnen converted och lagra resultatet i subscribers.
Ta bort saknade värden från kolumnen control i subscribers_df.
Ta bort saknade värden från kolumnen personalization i subscribers_df.
Beräkna konverteringsfrekvensen för både personalization och control med lämplig funktion för respektive serie.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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:', ____)

Redigera och kör kod