计算提升与显著性检验

使用 pandas 分析营销活动

Jill Rosok

Data Scientist

相对于对照的实验表现

计算提升：

$$ \frac{\text{实验转化率 - 对照转化率}}{\text{对照转化率}} $$

计算提升

# 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 值

t 统计量为 1.96 时，通常在 95% 置信水平上具有统计显著性。
具体情境下，可选择更低或更高的显著性水平。

Python 中的 t 检验

from scipy.stats import ttest_ind

t = ttest_ind(control, personalized)

print(t)

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

Passons à la pratique !

使用 pandas 分析营销活动