Aprendendo Ciência de Dados: Testes A / B em menos de um minuto

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br


Google faz isso! Facebook faz isso! Amazon faz isso com certeza!

Especialmente nas áreas de web design e publicidade online, todo mundo está falando sobre Teste A / B. Se você deseja entender rapidamente o que é e como pode fazê-lo com o R, continue a ler!

A idéia básica do teste A / B é testar sistematicamente (e normalmente automaticamente) duas alternativas diferentes, por exemplo. dois designs da web diferentes e decidir qual deles se sai melhor, por exemplo em termos de taxa de conversão (ou seja, quantas pessoas clicam em um botão ou compram um produto):

fonte: wikimedia

A má notícia é que você precisa entender um pouco sobre teste de hipótese estatística, a boa notícia é que, se você ler a seguinte postagem, terá tudo o que precisa (além disso, como um bônus adicional, o R tem todas as ferramentas que você já tem em mãos!): Dos lançamentos de moedas ao p-Hacking: torne as estatísticas significativas novamente ! (ok, a leitura daria mais de um minuto …).

cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br

Para dar um exemplo prático, usaremos um conjunto de dados do curso do DataCamp sobre “Testes A / B em R” (experiment_data.csv), que mostra se cada grupo (control e test grupo) clicou na respectiva oferta … ou não (clicked_adopt_today):

experiment 

Let us create two tables with the absolute and the relative proportions:

prop 

Now for the actual test: conveniently enough, R has the prop.test function, which tests whether two proportions are significantly different (by performing a so-called Pearson’s chi-squared test under the hood). We only have to put our original table into the function and R does the rest for us:

prop.test(prop)
## 
##  2-sample test for equality of proportions with continuity
##  correction
## 
## data:  prop
## X-squared = 33.817, df = 1, p-value = 6.055e-09
## alternative hypothesis: two.sided
## 95 percent confidence interval:
##  0.1442390 0.2911352
## sample estimates:
##    prop 1    prop 2 
## 0.8333333 0.6156463

Voilà, já era isso! Porque o valor p está muito abaixo do limiar comum de 0,05, a diferença é altamente significativa, para que possamos rejeitar o hipótese nula (que a diferença se deve apenas ao acaso)!

Como conseqüência, definitivamente adotaríamos o design que foi apresentado ao grupo de teste no futuro.



Se você chegou até aqui, por que não inscreva-se para atualizações do site? Escolha o seu sabor: e-mail, twitter, RSS ou facebook ...



cupom com desconto - o melhor site de cupom de desconto cupomcomdesconto.com.br
Leia Também  Visualizando componentes principais para imagens