Testy A/B w marketingu

Analiza kampanii marketingowych z pandas

Jill Rosok

Data Scientist

Czym jest testowanie A/B?

Przed uruchomieniem testu należy określić:

Jaki jest oczekiwany wynik testu? Jaka jest hipoteza?
Jaka metryka ma zostać poprawiona (np. odsłony strony, konwersje)?
Czy ruch na stronie będzie wystarczający do osiągnięcia istotności statystycznej w odpowiednim czasie?

Testy pozwalają ocenić skuteczność działań marketingowych

Jak długo powinien trwać test?

Test spersonalizowanego e-maila

Alokacja testu

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()

Wykres alokacji

Przygotowanie danych do oceny testu

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

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

Przygotowanie danych do oceny testu

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

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

Współczynniki konwersji

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

Control conversion rate: 0.2814814814814815
Personalization conversion rate: 0.3908450704225352

Czas na testowanie!

Analiza kampanii marketingowych z pandas