Перевірки коректності: внутрішня валідність

A/B Testing на Python

Moe Lotfy, PhD

Principal Data Science Manager

Неспівпадіння часток у вибірці (SRM)

Неспівпадіння часток у вибірці (SRM)
- Розподіл між варіантами відхиляється від дизайну
Критерій узгодженості χ-квадрат

Формула χ-квадрата

Приклад розподілу з неспівпадінням часток

Приклад SRM у Python

# Calculate the unique IDs per variant
AdSmart.groupby('experiment')['auction_id'].nunique()

experiment
control    4071
exposed    4006

# Assign the unqiue counts to each variant
control_users=AdSmart[AdSmart['experiment']=='control']['auction_id'].nunique()
exposed_users=AdSmart[AdSmart['experiment']=='exposed']['auction_id'].nunique()
total_users=control_users+exposed_users
# Calculate allocation ratios per variant
control_perc = control_users / total_users
exposed_perc = exposed_users / total_users
print("Percentage of users in the Control group:",100*round(control_perc,5),"%")
print("Percentage of users in the Exposed group:",100*round(exposed_perc,5),"%")

Percentage of users in the Control group: 50.402 %
Percentage of users in the Exposed group: 49.598 %

¹ Adsmart Kaggle dataset: https://www.kaggle.com/datasets/osuolaleemmanuel/ad-ab-testing

Приклад SRM у Python

# Creat lists of observed and expected counts per variant
observed = [ control_users, exposed_users ]
expected = [ total_users/2, total_users/2 ]
# Import chisquare from scipy library
from scipy.stats import chisquare
# Run chisquare test on observed and expected lists
chi = chisquare(observed, f_exp=expected)
# Print test results and interpretation
print(chi)
if chi[1] < 0.01:
    print("SRM may be present")
else:
    print("SRM likely not present")

Power_divergenceResult(statistic=0.5230902562832735, pvalue=0.4695264353014863)
SRM likely not present

¹ Adsmart Kaggle dataset: https://www.kaggle.com/datasets/osuolaleemmanuel/ad-ab-testing

Пошук причин SRM

Типові причини SRM:$^1$

Призначення: помилкове бакетування або некоректна рандомізація
Виконання: різний час старту варіантів або швидкість розгортання
Логування даних: затримки логування або фільтрація ботів
Втручання: пауза варіанта експериментатором

¹ Diagnosing Sample Ratio Mismatch in Online Controlled Experiments: A Taxonomy and Rules of Thumb for Practitioners

Тести A/A

Тест A/A
- Два групи користувачів отримують однаковий досвід
- Виявляє помилки в налаштуванні експерименту
- Немає статистично значущих відмінностей у метриках
- Хибні спрацювання можливі за вибраним $\alpha$ (у 5% випадків)
- Виявляє дисбаланси розподілів між групами (напр., браузери, пристрої тощо)

Баланс розподілів: приклад у Python

Збалансований розподіл браузерів
Валідний тест

checkout.groupby('checkout_page')['browser'].value_counts(normalize=True)

checkout_page  browser
A              chrome     0.341333
               safari     0.332000
               firefox    0.326667
B              safari     0.352000
               firefox    0.325000
               chrome     0.323000
C              safari     0.346000
               chrome     0.330000
               firefox    0.324000

Незбалансований розподіл браузерів
Невалідний тест

 AdSmart.groupby('experiment')['browser'].value_counts(normalize=True)

experiment  browser                   
control     Chrome Mobile                 0.591992
            Facebook                      0.137804
            Samsung Internet              0.120855
            Chrome Mobile WebView         0.071727
            Mobile Safari                 0.060427
            Chrome Mobile iOS             0.008352
            Mobile Safari UI/WKWebView    0.007369
exposed     Chrome Mobile                 0.535197
            Chrome Mobile WebView         0.298802
            Samsung Internet              0.082876
            Facebook                      0.050674
            Mobile Safari                 0.022716
            Chrome Mobile iOS             0.004244

¹ Adsmart Kaggle dataset: https://www.kaggle.com/datasets/osuolaleemmanuel/ad-ab-testing

Давайте потренуємось!

A/B Testing на Python