Calcolare il lift e test di significatività

Analizzare campagne di marketing con pandas

Jill Rosok

Data Scientist

Prestazioni del trattamento rispetto al controllo

Calcolo del lift:

$$ \frac{\text{Tasso di conversione del trattamento - Tasso di conversione del controllo}}{\text{Tasso di conversione del controllo}} $$

Calcolare il 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%

Distribuzione t

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

P-value

Una t di 1,96 è in genere significativa al 95%
In base al contesto, puoi accettare un livello di significatività più basso o più alto.

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)

Esercizio!

Analizzare campagne di marketing con pandas