การสร้างฟังก์ชันคำนวณ Lift

Lift คำนวณได้จากความแตกต่างระหว่างผลลัพธ์ของกลุ่ม treatment กับกลุ่ม control หารด้วยผลลัพธ์ของกลุ่ม control สูตรการคำนวณ Lift มีดังนี้

$$\frac{\text{Treatment conversion rate - Control conversion rate}}{\text{Control conversion rate}}$$

ผลลัพธ์ที่ได้คือความแตกต่างในเชิงเปอร์เซ็นต์ระหว่างกลุ่ม control และกลุ่ม treatment

ในแบบฝึกหัดนี้ คุณจะสร้างฟังก์ชันเพื่อทำให้กระบวนการคำนวณ Lift เป็นแบบอัตโนมัติ ทีมการตลาดหลายทีมรัน A/B Test อยู่ตลอดเวลา ยิ่งสามารถทำให้ขั้นตอนที่เกิดขึ้นซ้ำในทุกการทดสอบเป็นแบบอัตโนมัติได้มากเท่าไร ก็จะยิ่งมีเวลาเหลือสำหรับการวิเคราะห์ที่น่าสนใจมากขึ้นเท่านั้น

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

วิเคราะห์แคมเปญการตลาดด้วย pandas

ดูคอร์ส

คำแนะนำการฝึกหัด

คำนวณค่าเฉลี่ยของ a และ b โดยใช้ np.mean()
ใช้ a_mean และ b_mean เพื่อคำนวณ Lift ของกลุ่ม treatment
แสดงผลลัพธ์ของฟังก์ชัน lift() ที่สร้างขึ้น โดยใช้ตัวแปร control และ personalization

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

def lift(a,b):
    # Calcuate the mean of a and b
    a_mean = ____
    b_mean = ____
    
    # Calculate the lift using a_mean and b_mean
    lift = ____
  
    return str(round(lift*100, 2)) + '%'
  
# Print lift() with control and personalization as inputs
print(lift(control, personalization))

แก้ไขและรันโค้ด