リフトの計算と有意性検定

pandasで学ぶマーケティングキャンペーン分析

Jill Rosok

Data Scientist

コントロールと比較したトリートメントの効果

リフトの計算：

$$ \frac{\text{Treatment conversion rate - Control conversion rate}}{\text{Control conversion rate}} $$

リフトの計算

# 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分布

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

P値

T統計量が1.96の場合、通常は95%水準で統計的に有意とみなされます
検定の目的に応じて、より低いまたは高い有意水準を用いる場合もあります

PythonでのT検定

from scipy.stats import ttest_ind

t = ttest_ind(control, personalized)

print(t)

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

練習しましょう！

pandasで学ぶマーケティングキャンペーン分析