A/Btest (A/B测试)的营销策略效果分析

最新推荐文章于 2024-07-30 16:45:44 发布

今天我有更博学吗？

最新推荐文章于 2024-07-30 16:45:44 发布

阅读量1.7k

点赞数 2

分类专栏：学习数据分析 python 文章标签： python 数据分析

本文链接：https://blog.youkuaiyun.com/LYY1045691954/article/details/109447093

版权

该博客通过A/B测试分析支付宝营销活动的广告点击率，发现策略二组相较于对照组有1.364%的显著提升，满足至少提升1个百分点的标准。策略一组提升不明显。使用Python进行假设检验和样本量计算，验证了策略二的提升效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

本文分析以支付宝营销活动为例，通过广告点击率指标比较两组营销策略的广告投放效果。

一、数据介绍

来自阿里天池：数据

用到的是：effect_tb.csv: Click/Non-click dataset.

这个csv文件主要用来记录用户是否对广告进行点击。

二、观察数据

1.引入库

# import libraries
import pandas as pd
import numpy as np

pd.set_option('float_format', lambda x: '%.4f' % x)

2.读入数据

# load data
data = pd.read_csv('effect_tb.csv',header = None)
data.columns = ["试验后天数","用户编号","是否点击","试验组别"]

3.观察数据

data.info()

在这里插入图片描述

# table summary
data.describe()

在这里插入图片描述

# distinct count of columns
data.nunique()

在这里插入图片描述

#把重复用户的用户编号变成一个list去观察
dup_userid=data["用户编号"].value_counts()[data["用户编号"].value_counts()>1].index.tolist()

#查看是否都全部字段都重复的记录
data[data.duplicated()]

在这里插入图片描述
虽然有重复的用户id，但是可能在不用的时间（试验后几天）去做这个测试，也可能被放在不同的组别（实验组别）、有不同的结果（是否点击），我们都去验证一下。

print("有重复用户编号的记录条数：",data[data["用户编号"].isin(dup_userid)].shape[0])

print("用户编号和【在第几天试验】重复的记录条数：",data[data["用户编号"].isin(dup_userid)].duplicated(["用户编号","试验后天数"]).sum())

print("用户编号和【是否点击】重复的记录条数：",data[data["用户编号"].isin(dup_userid)].duplicated(["用户编号","是否点击"]).sum())

print(