A/B test per il marketing

Analizzare campagne di marketing con pandas

Jill Rosok

Data Scientist

Cos’è l’A/B test?

Prima di eseguire il test, definisci:

Qual è l’obiettivo? Qual è l’ipotesi?
Quale metrica vogliamo impattare (es. page view, conversioni)?
Avremo traffico sufficiente per raggiungere significatività statistica e decidere in tempi rapidi?

Il testing ci aiuta a capire l’impatto marketing

Quanto deve durare un test?

Test email personalizzata

Allocazione del test

email = marketing[marketing['marketing_channel'] == 'Email']
allocation = email.groupby(['variant'])\
                           ['user_id'].nunique()

allocation.plot(kind='bar')
plt.title('Personalization test allocation')
plt.xticks(rotation = 0)
plt.ylabel('# participants')
plt.show()

Grafico di allocazione

Preparazione dei dati per valutare il test

# Group by user_id and variant
subscribers = email.groupby(['user_id', 
                             'variant'])['converted'].max()

subscribers = pd.DataFrame(subscribers.unstack(level=1))

Preparazione dei dati per valutare il test

# Drop missing values from the control column
control = subscribers['control'].dropna()

# Drop missing values from the personalization column
personalization = subscribers['personalization'].dropna()

Tassi di conversione

print("Control conversion rate:", 
      np.mean(control))
print("Personalization conversion rate:", 
      np.mean(personalization))

Control conversion rate: 0.2814814814814815
Personalization conversion rate: 0.3908450704225352

Mettiamoci alla prova!

Analizzare campagne di marketing con pandas