Lift berechnen & Signifikanztests

Marketingkampagnen mit pandas analysieren

Jill Rosok

Data Scientist

Leistung des Treatments vs. Control

Lift berechnen:

$$ \frac{\text{Konversionsrate Treatment - Konversionsrate Control}}{\text{Konversionsrate Control}} $$

Lift berechnen

# 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%

t-Verteilung

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

p-Werte

t-Statistik von 1,96 ist meist bei 95 % signifikant
Je nach Kontext kann ein niedrigeres oder höheres Signifikanzniveau passen.

t-Test in Python

from scipy.stats import ttest_ind

t = ttest_ind(control, personalized)

print(t)

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

Lass uns üben!

Marketingkampagnen mit pandas analysieren