Testare A/B

Analiza bayesiană a datelor în Python

Michal Oleszak

Machine Learning Engineer

Testare A/B

  • Experiment randomizat: împărțiți utilizatorii în două grupuri (A și B)

 

 

Două grupuri de utilizatori.

1 Picture: adapted from https://commons.wikimedia.org/wiki/File:A-B_testing_simple_example.png
Analiza bayesiană a datelor în Python

Testare A/B

  • Experiment randomizat: împărțiți utilizatorii în două grupuri (A și B)
  • Expuneți fiecare grup la o versiune diferită a unui element (ex. aspectul site-ului)

 

Două grupuri de utilizatori cărora li se afișează două aspecte diferite ale unui site.

1 Picture: adapted from https://commons.wikimedia.org/wiki/File:A-B_testing_simple_example.png
Analiza bayesiană a datelor în Python

Testare A/B

  • Experiment randomizat: împărțiți utilizatorii în două grupuri (A și B)
  • Expuneți fiecare grup la o versiune diferită a unui element (ex. aspectul site-ului)
  • Comparați care grup obține rezultate mai bune la o anumită metrică (ex. rata de clic)

Două grupuri de utilizatori cărora li se afișează două aspecte diferite ale unui site, unul cu o rată de clic mai mare.

1 Picture: adapted from https://commons.wikimedia.org/wiki/File:A-B_testing_simple_example.png
Analiza bayesiană a datelor în Python

Testare A/B: abordare frecventistă

  • Bazată pe testarea ipotezelor
  • Verifică dacă A și B au performanțe similare
  • Nu indică cu cât este mai bun A față de B
Analiza bayesiană a datelor în Python

Testare A/B: abordare bayesiană

  • Calculați ratele de clic posterioare pentru variantele A și B și comparați-le
  • Calculați direct probabilitatea că A este mai bun decât B
  • Cuantificați cu cât este mai bun
  • Estimați pierderea așteptată în cazul unei decizii greșite
Analiza bayesiană a datelor în Python

Testare A/B: abordare bayesiană

  • Când un utilizator accesează site-ul, există două scenarii:
    • Clic (succes)
    • Niciun clic (eșec)
  • Utilizați distribuția binomială! (probabilitatea de succes = rata de clic)
Analiza bayesiană a datelor în Python

Simularea posteriorului beta

Dacă priorul este $Beta(a, b)$, atunci posteriorul este $Beta(x, y)$, unde:

$x = \text{NumberOfSuccesses} + a$

$y = \text{NumberOfObservations} - \text{NumberOfSuccesses} + b$

def simulate_beta_posterior(trials, beta_prior_a, beta_prior_b):
    num_successes = np.sum(trials)
    posterior_draws = np.random.beta(
      num_successes + beta_prior_a, 
      len(trials) - num_successes + beta_prior_b, 
      10000
    )
    return posterior_draws
Analiza bayesiană a datelor în Python

Compararea posteriorilor

Liste de 1 (clicuri) și 0 (niciun clic):

print(A_clicks)
print(B_clicks)

[0 1 1 0 0 0 0 0 0 0 1 ... ]
[0 0 0 1 0 0 0 1 1 0 1 ... ]

 

Simulați eșantioane posterioare pentru fiecare variantă:

A_posterior = simulate_beta_posterior(A_clicks, 1, 1)
B_posterior = simulate_beta_posterior(B_clicks, 1, 1)

Reprezentați grafic posteriorii:

sns.kdeplot(A_posterior, shade=True, label="A")
sns.kdeplot(B_posterior, shade=True, label="B")
plt.show()

Două grafice de densitate posterioare, parțial suprapuse.

Analiza bayesiană a datelor în Python

Compararea posteriorilor

Diferența posterioară dintre B și A:

diff = B_posterior - A_posterior

sns.kdeplot(diff, shade=True, label="difference: A-B")
plt.show()

Un grafic de densitate cu aproape toată masa de probabilitate deasupra lui zero.

Probabilitatea că B este mai bun:

(diff > 0).mean()

0.9639
Analiza bayesiană a datelor în Python

Pierderea așteptată

Dacă implementăm varianta mai slabă, câte clicuri pierdem?

# Difference (B-A) when A is better 
loss = diff[diff < 0]


# Expected (average) loss
expected_loss = loss.mean()
print(expected_loss)

-0.0077850237030215215
Analiza bayesiană a datelor în Python

Date despre reclame

print(ads)

                               user_id   product site_version                 time  banner_clicked
0     f500b9f27ac611426935de6f7a52b71f   clothes      desktop  2019-01-28 16:47:08               0
1     cb4347c030a063c63a555a354984562f  sneakers       mobile  2019-03-31 17:34:59               0
2     89cec38a654319548af585f4c1c76b51   clothes       mobile  2019-02-06 09:22:50               0
3     1d4ea406d45686bdbb49476576a1a985  sneakers       mobile  2019-05-23 08:07:07               0
4     d14b9468a1f9a405fa801a64920367fe   clothes       mobile  2019-01-28 08:16:37               0
...                                ...       ...          ...                  ...             ...
9995  7ca28ccde263a675d7ab7060e9ed0eca   clothes       mobile  2019-02-02 08:19:39               0
9996  7e2ec2631332c6c4527a1b78c7ede789   clothes       mobile  2019-04-04 03:27:05               0
9997  3b828da744e5785f1e67b5df3fda5571   clothes       mobile  2019-04-15 15:59:06               0
9998  6cce0527245bcc8519d698af2224c04a   clothes       mobile  2019-05-21 20:43:21               0
9999  8cf87a02f96327a1a8a93814f34d0d0c  sneakers       mobile  2019-03-02 21:27:57               0
Analiza bayesiană a datelor în Python

Să facem testare A/B!

Analiza bayesiană a datelor în Python

Preparing Video For Download...