數(shù)據(jù)分析之AB testing實戰(zhàn)（附Python代碼）

作者介紹：

大家可以叫我黃同學(博客名:Huang Supreme)，一個應用統(tǒng)計碩士，愛好寫一些技術博客，志在用通俗易懂的寫作風格，幫助大家學到知識，學好知識！

1、增長黑客

1）前言

2）運用分析指標框架，驅動互聯(lián)網(wǎng)產品和運營

現(xiàn)在分享一個鏈接，供大家了解：

http://www.woshipm.com/data-analysis/439849.html

這樣上述幾個部分就形成了一個良好的閉環(huán)，不斷地去良性的發(fā)展。

3）增長黑客大致分為如下幾個步驟

2、AB testing介紹

1）AB testing對比方案圖示展示

圖示一：天貓兩個網(wǎng)頁的改版

圖示二：微信兩個版本的改版

2）什么是反饋呢？

3）如何選取這樣一批小流量用戶呢？

4）到底什么是AB testing？

5）如何做AB testing？

• 提出想法，設定假設；

• 預估成本，設定優(yōu)先級；

• 設計方案；

根據(jù)幾組用戶的真實數(shù)據(jù)反饋，科學的幫助產品進行決策；

3、AB testing 實戰(zhàn)

1）AB testing 的統(tǒng)計學基礎(獨立雙樣本的假設檢驗)

大家如果感興趣，可以看一下這篇文章：https://blog.csdn.net/weixin_41261833/article/details/104623377

2）AB testing 演示的 python 代碼

import pandas as pd
---------------------------------------------------------
# 讀取數(shù)據(jù)，查看前5行
df = pd.read_csv("ab_test.csv")
df.head()
---------------------------------------------------------
# 數(shù)據(jù)預覽，查看數(shù)據(jù)有多少行、多少列
df.shape
---------------------------------------------------------
# 查看數(shù)據(jù)中是否有空值
df.isnull().any()
df.info()
---------------------------------------------------------
# 查看數(shù)據(jù)中的錯誤行
print((True) != (True))
print((True) != (False))
print((False) != (True))
print((False) != (False))
"""
true  != true   fasle    treatment  new_page
true  != false  true     treatment  old_page
false != true   true     control    new_page
false != false  false    control    old_page
"""
# 下面這句代碼，展示的就是group=treatment且landing_page=old_page和group=control且landing_page=new_page，這樣的錯誤行；
num_error = df[((df.group == "treatment")!=(df.landing_page == "new_page"))].shape[0]
num_error
---------------------------------------------------------
# 去掉錯誤行后，再次查看是否還存在錯誤行
print("沒有刪除錯誤行之前的記錄數(shù)：", df.shape[0])
df2 = df[~((df.landing_page == "new_page")&(df.group == "control"))]
df3 = df2[~((df2.landing_page == "old_page")&(df2.group == "treatment"))]
print("刪除錯誤行之后的記錄數(shù)：", df3.shape[0])
print("錯誤行共有",str(df.shape[0]-df3.shape[0]),"條記錄")
num_error2 = df3[((df3.group == "treatment")!=(df3.landing_page == "new_page"))].shape[0]
num_error2
---------------------------------------------------------
# 查看是否有重復行
print("數(shù)據(jù)的記錄數(shù)為：", df3.user_id.shape[0])
print("將user_id去重計數(shù)后的記錄數(shù)為：", df3.user_id.nunique())
"""
通過上述分析，可以看出：user_id中有一條記錄數(shù)是重復的。接下來，我們可以找出這條重復的記錄，并去重。
"""
---------------------------------------------------------
# 查看重復的行
df3[df3.user_id.duplicated(keep=False)]
#  去除重復的行
df4 = df3.drop_duplicates(subset=["user_id"],keep="first")
df4.shape[0]
---------------------------------------------------------
# 我們來看一下control組的轉化率
control_converted = df4.query('group=="control"').converted.mean()
control_converted
# 再來看一下treatment組的轉化率
treatment_converted = df4.query('group=="treatment"').converted.mean()
treatment_converted
"""
自己下去思考一下：根據(jù)上述結果，老頁面的轉化率比新頁面的轉換率好，是不是就可以說明老頁面好呢？
"""
---------------------------------------------------------
# 進行獨立兩樣本的假設檢驗
import statsmodels.stats.proportion as ssp

converted_old = df4[df4.landing_page == "old_page"].converted.sum()
converted_new = df4[df4.landing_page == "new_page"].converted.sum()
n_old = len(df4[df4.landing_page == "old_page"])
n_new = len(df4[df4.landing_page == "new_page"])
data = pd.DataFrame({"converted":[converted_old, converted_new],
                     "total":[n_old ,n_new]})
display(data)
z_score, p_value = ssp.proportions_ztest(count=data.converted, nobs=data.total, alternative="smaller")
print("Z值為：", z_score)
print("P值為：", p_value)
---------------------------------------------------------

結果如下：

結果分析：

3）AB testing 拓展

Reference

    

     

      

       

        

         

          作者往期精彩文章：
         
         

          

           

            

             

              

               

                

                 

                  

                   

                    

                     

                      1、精心整理的 52 頁 Python 操作 excel、word、pdf 文件【附獲取方式】
                      
2、520情人節(jié)，不懂送女朋友什么牌子的口紅？沒關系！Python 數(shù)據(jù)分析告訴你。
                      
3、“羅永浩抖音首秀”銷售數(shù)據(jù)的可視化大屏是怎么做出來的呢？
                      
4、利用 Python 進行多 Sheet 表合并、多工作簿合并、一表按列拆分
                      
5、Python 自動化辦公之"你還在手動操作“文件”或“文件夾”嗎？"
                     
                    
                   
                  
                 
                
               
              
             
            
           
          
         
         

          

           關注微信公眾號『杰哥的IT之旅』，后臺回復“1024”查看更多內容，回復“微信”添加我微信。
          
          

          

           

          
          

           

            

             

              

               

                

                 

                  

                   

                    好文和朋友一起看~