Клиентская аналитика и A/B-тестирование в Python

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.

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.

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.

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.