Segmentasyon yapan bir A/B test fonksiyonu oluşturma

Önceki derste, kişiselleştirme deneyinin istatistiksel olarak oldukça anlamlı olduğunu gözlemledin. Ancak deneyler yürütürken, yeni özelliklerin belirli demografikleri nasıl etkilediğini kontrol etmek önemlidir. Bazı özellikler bir grup için çok çekiciyken, diğerleri için daha az çekici olabilir.

Verileri birden fazla kez segmentlemek istediğin için, her bu tür analizi yapmak istediğinde yeniden kullanabileceğin, A/B testlerinin veri segmentleri üzerindeki etkisini analiz eden bir ab_segmentation() fonksiyonu oluşturacaksın.

Fonksiyonun bir sütun adı alacak ve o sütundaki her bir eşsiz değer üzerinden geçerek lift ve istatistiksel anlamlılığı hesaplayacak.

Bu egzersiz

pandas ile Pazarlama Kampanyalarını Analiz Etme

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

ab_segmentation() fonksiyonumuz içinde, kullanıcı tarafından girilen segment sütun adındaki her bir eşsiz değer üzerinden geçen bir for döngüsü kur.
marketing veri kümesinde, pazarlama kanalının 'Email' olduğu ve kullanıcı tarafından girilen segment sütununun subsegmente eşit olduğu satırları izole et.
lift() ve stats.ttest_ind() fonksiyonlarının sonuçlarını yazdır.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

def ab_segmentation(segment):
  # Build a for loop for each subsegment in marketing
  for subsegment in ____:
      print(subsegment)
      
      # Limit marketing to email and subsegment
      email = marketing[(marketing['marketing_channel'] == ____) & (marketing[segment] == ____)]

      subscribers = email.groupby(['user_id', 'variant'])['converted'].max()
      subscribers = pd.DataFrame(subscribers.unstack(level=1)) 
      control = subscribers['control'].dropna()
      personalization = subscribers['personalization'].dropna()

      print('lift:', ____) 
      print('t-statistic:', ____, '\n\n')

Kodu Düzenle ve Çalıştır