比较转化率

既然我们已经确认分配相对均衡，接下来就来看控制组和个性化组的转化率。由于我们将转化率选为本次测试的关键指标，因此评估个性化处理组的转化率是否高于控制组尤为重要。后续练习会更深入分析，但衡量关键指标在控制组与处理组之间的差异，是评估 A/B 测试是否成功的核心。

DataFrame email 已加载到您的工作区。它只包含 marketing DataFrame 中 marketing_channel 为 'Email' 的行。

本练习是课程的一部分

使用 pandas 分析营销活动

查看课程

练习说明

将 email DataFrame 按 user_id 和 variant 分组，在选择的 converted 列上取最大值，并将结果保存为 subscribers。
从 subscribers_df 的 control 列中删除缺失值。
从 subscribers_df 的 personalization 列中删除缺失值。
使用合适的函数分别计算 personalization 和 control 的转化率。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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:', ____)

编辑并运行代码