Metryki ilorazowe i metoda delta

Testy A/B w Pythonie

Moe Lotfy, PhD

Principal Data Science Manager

Metryki ilorazowe w testach A/B

Metryki średnich

Przykład metryk średnich: średnia wartość zamówienia i średni czas na stronie

Jednostka analizy:
- Podmiot analizowany w teście A/B
- Mianownik metryk ilorazowych
Jednostka randomizacji:
- Podmiot losowo przypisywany do wariantów

Metryki ilorazowe w testach A/B

Metryki ilorazowe na użytkownika

Przykład metryk ilorazowych: współczynnik klikalności i przychód na sesję

Motywacja dla metody delta

print(checkout.groupby('checkout_page')[['order_value','purchased']].agg({'sum','count','mean'}))

              order_value                     purchased              
                     mean           sum count      mean     sum count
checkout_page                                                        
A               24.956437  61417.791564  2461  0.820333  2461.0  3000
B               29.876202  75915.430125  2541  0.847000  2541.0  3000
C               34.917589  90890.484142  2603  0.867667  2603.0  3000

checkout.groupby('checkout_page')['order_value'].sum()/
checkout.groupby('checkout_page')['purchased'].count()

checkout_page
A    20.472597
B    25.305143
C    30.296828
dtype: float64

Wariancja metodą delta

Estymacja wariancji metryk ilorazowych metodą delta:{

Wzór na wariancję metodą delta

# Delta method variance of ratio metric
def var_delta(x,y): 
    x_bar = np.mean(x)
    y_bar = np.mean(y)
    x_var = np.var(x,ddof=1)
    y_var = np.var(y,ddof=1)
    cov_xy = np.cov(x,y,ddof=1)[0][1]
    # Note that we divide by len(x) here because the denominator of the test statistic is standard error (=sqrt(var/n))
    var_ratio = (x_var/y_bar**2 + y_var*(x_bar**2/y_bar**4) - 2*cov_xy*(x_bar/y_bar**3))/len(x)
    return var_ratio

¹ Budylin, Roman & Drutsa, Alexey & Katsev, Ilya & Tsoy, Valeriya. (2018). Consistent Transformation of Ratio Metrics for Efficient Online Controlled Experiments. 55-63. 10.1145/3159652.3159699.

Test z metodą delta

# Delta method ztest calculation 
ztest_delta(x_control,y_control,x_treatment,y_treatment, alpha = 0.05)

Argumenty wejściowe:

x_control: licznik ilorazu na poziomie użytkownika – wariant kontrolny
y_control: mianownik ilorazu na poziomie użytkownika – wariant kontrolny
x_treatment: licznik ilorazu na poziomie użytkownika – wariant testowy
y_treatment: mianownik ilorazu na poziomie użytkownika – wariant testowy
alpha: poziom istotności.

Wyniki:

mean_control: średnia metryki ilorazowej grupy kontrolnej
mean_treatment: średnia metryki ilorazowej grupy testowej
difference: różnica między średnimi wariantu testowego i kontrolnego
diff_CI: przedział ufności dla różnicy średnich
p-value: dwustronna wartość p testu z

¹ https://medium.com/@ahmadnuraziz3/applying-delta-method-for-a-b-tests-analysis-8b1d13411c22

Przykład w Pythonie

# Create DataFrames for per user metrics for variants A and B
A_per_user = pd.DataFrame({'order_value':checkout[checkout['checkout_page']=='A'].groupby('user_id')['order_value'].sum()
                            ,'page_view':checkout[checkout['checkout_page']=='A'].groupby('user_id')['user_id'].count()})
B_per_user = pd.DataFrame({'order_value':checkout[checkout['checkout_page']=='B'].groupby('user_id')['order_value'].sum()
                           ,'page_view':checkout[checkout['checkout_page']=='B'].groupby('user_id')['user_id'].count()})

# Assign the control and treatment ratio columns
x_control = A_per_user['order_value']
y_control = A_per_user['page_view']
x_treatment = B_per_user['order_value']
y_treatment = B_per_user['page_view']

# Run a z-test for ratio metrics
ztest_delta(x_control,y_control,x_treatment,y_treatment)

{'mean_control': 20.472597188012,
 'mean_treatment': 25.30514337484097,
 'difference': 4.833,
 'diff_CI': '[4.257, 5.408]',
 'p-value': 5.954978880467735e-61}

Czas na ćwiczenia!

Testy A/B w Pythonie