Calcul du lift et test de significativité

Analyzing Marketing Campaigns with pandas

Jill Rosok

Data Scientist

Performance du traitement vs contrôle

Calcul du lift :

$$ \frac{\text{Taux de conversion traitement - Taux de conversion contrôle}}{\text{Taux de conversion contrôle}} $$

Calculer le lift

# Calcuate the mean of a and b 
a_mean = np.mean(control)
b_mean = np.mean(personalization)

# Calculate the lift using a_mean and b_mean
lift = (b_mean-a_mean)/a_mean

print("lift:", str(round(lift*100, 2)) + '%')

lift: 194.23%

Loi t de Student

¹ Identification of Timed Behavior Models for Diagnosis in Production Systems. Scientific Figure on ResearchGate.

Valeurs p

Une statistique t de 1,96 est généralement significative au seuil de 95 %
Selon le contexte, vous pouvez accepter un niveau de significativité plus bas ou plus élevé.

Test t en Python

from scipy.stats import ttest_ind

t = ttest_ind(control, personalized)

print(t)

TtestResult(statistic=-2.7343299447505074, 
            pvalue=0.006451487844694175, 
            df=552.0)

Passons à la pratique !

Analyzing Marketing Campaigns with pandas