Dönüşüm oranlarını karşılaştırma

Artık tahsisin görece dengeli olduğunu bildiğimize göre, kontrol ve kişiselleştirme için dönüşüm oranına bakalım. Bu testte temel ölçüt (key metric) olarak dönüşüm oranını seçtiğimiz için, kişiselleştirme uygulamasında dönüşümün kontrole kıyasla daha yüksek olup olmadığını değerlendirmek çok önemli. Sonraki egzersizlerde daha derine ineceğiz, ancak bir A/B testinin başarısını değerlendirmenin en önemli kısmı, kontroldeki ve uygulamadaki (treatment) temel ölçüt arasındaki farkı ölçmektir.

Çalışma alanına email DataFrame'i yüklendi; bu veri çerçevesi, marketing DataFrame'inde marketing_channel değeri 'Email' olan satırları içerir.

Bu egzersiz

pandas ile Pazarlama Kampanyalarını Analiz Etme

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

email DataFrame'ini user_id ve variant ile gruplayıp converted sütununun maksimum değerini seç ve sonuçları subscribers içinde sakla.
subscribers_df'in control sütunundaki eksik değerleri kaldır.
subscribers_df'in personalization sütunundaki eksik değerleri kaldır.
Hem personalization hem de control için uygun fonksiyonu kullanarak dönüşüm oranını hesapla.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# 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:', ____)

Kodu Düzenle ve Çalıştır