Интерактивный курс
Клиентская аналитика и A/B-тестирование в Python
Вы узнаете, как использовать Python для создания, запуска и анализа A/B-тестов для принятия проактивных бизнес-решений.
О курсе
Самые успешные компании сегодня - это те, которые настолько хорошо знают своих клиентов, что могут предвидеть их потребности. Аналитика клиентов и, в частности, A / B-тестирование, являются важными частями использования количественного ноу-хау, помогающего принимать бизнес-решения, которые приносят прибыль. Этот курс охватывает все тонкости того, как использовать Python для анализа поведения клиентов и бизнес-тенденций, а также как создавать, запускать и анализировать A/B-тесты для принятия упреждающих бизнес-решений на основе данных.План занятий
Изучение и визуализация поведения клиентов
В этой главе вы узнаете, как визуализировать, манипулировать и изучать KPI по мере их изменения с течением времени. Из множества примеров вы узнаете, как работать с объектами datetime для расчета показателей за единицу времени. Затем мы перейдем к методам построения графиков различных сегментов данных и научимся применять различные функции сглаживания для выявления скрытых тенденций. И в конце мы пройдемся по полному примеру того, как точно определить проблемы с помощью аналитического анализа данных о клиентах. В этой главе различные функции вводятся и объясняются в очень обобщенной форме.
Сезонность и скользящие средние
Экспоненциальная скользящая средняя и чрезмерное/недостаточное сглаживание
Визуализация расходов пользователей
Разворот данных
Понимание и визуализация тенденций
Анализ дат
Изучение разных групп
Построение графика данных временных рядов
События и релизы
Создание графиков временных рядов с помощью matplotlib
Присмотритесь к доходам
Работа с данными временных рядов в pandas
Анализ результатов A/B тестирования
После запуска A/B-теста вы должны проанализировать данные и затем эффективно сообщить результаты. Эта глава начинается с чередования теории статистической значимости и доверительных интервалов с инструментами, необходимыми для их самостоятельного расчета на основе данных. Далее мы обсудим, как эффективно визуализировать и передавать эти результаты. Эта глава является кульминацией всех знаний, накопленных на протяжении всего курса.
График распределения разницы
Подтверждение результатов нашего теста
Составление графика распределения
Понимание статистической значимости
Интерпретация результатов вашего теста
Понимание доверительных интервалов
Критическое отношение к p-значениям
Заключение
Расчет доверительных интервалов
Интуитивное понимание статистической значимости
Анализ результатов A/B-теста
Проверка на статистическую значимость
Ключевые показатели эффективности: измерение успеха в бизнесе
В этой главе дается краткое введение в содержание, которое будет охватываться на протяжении всего курса перед переходом к обсуждению ключевых показателей эффективности или KPI. Вы узнаете, как узнавать и определять значимые KPI с помощью сочетания критического мышления и использования инструментов Python. Все эти методы представлены в очень практичной и обобщаемой форме. В конечном итоге эти темы служат основой для последующего обсуждения A/B-тестирования.
Группировка и агрегирование
Определение значимых ключевых показателей эффективности
Практика агрегирования
Загрузка и исследование данных
Расчет KPI — практический пример
Расчет KPI
Средняя цена покупки по группе пользователей
Слияние разных столбцов данных
Понимание ключевых компонентов теста A/B
Определение и понимание KPI
Исследовательский анализ KPI
Введение в курс и краткий обзор
Проектирование и применение A/B-тестирования
В этой главе вы полностью погрузитесь в A/B-тестирование. Вы изучите математические принципы и знания, необходимые для разработки и успешного планирования A/B-теста, от определения экспериментальной единицы до определения необходимого размера выборки. Это будет введение в функции и код, необходимые для вычисления различных величин, связанных со статистическим тестом этого типа.