Cálculo del lift y pruebas de significancia

Análisis de campañas de marketing con pandas

Jill Rosok

Data Scientist

Rendimiento del tratamiento frente al control

Cálculo del lift:

$$ \frac{\text{Tasa de conversión del tratamiento - Tasa de conversión del control}}{\text{Tasa de conversión del control}} $$

Cálculo del 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%

Distribución t

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

Valores p

Una t de 1,96 suele ser significativa al 95 %
Según el contexto, puedes aceptar un nivel de significancia menor o mayor.

Prueba 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)

¡Vamos a practicar!

Análisis de campañas de marketing con pandas