Клиентская аналитика и A/B тестирование в Python
Самые успешные компании на сегодняшний день знающие своих клиентов настолько хорошо, что могут предвидеть их потребности. Клиентская аналитика и, в частности, A/B-тестирование являются важнейшей частью использования количественных показателей для принятия бизнес-решений, приносящих прибыль.
Преподаватель
Михаил Омельченко
Программист с многолетним опытом. Пишу на Python, Javascript, Typescript и руковожу командами разработчиков. Основатель youtube канал Django School. Стал ментором для десятков учеников и разработал платформу colabteam.dev
5часов
16видео
33упражнения
4100опыта
Описание курсаЭтот курс охватывает все тонкости использования Python для анализа поведения клиентов и тенденций бизнеса, а также создания, реализации и анализа A/B-тестов для принятия проактивных бизнес-решений, основанных на данных.
1. Ключевые показатели эффективности: Измерение успеха бизнеса
В этой главе представлено краткое введение в содержание, которое будет рассматриваться на протяжении всего курса, прежде чем перейти к обсуждению ключевых показателей эффективности или KPI. В ней подробно рассказывается о том, как выявлять и определять значимые KPI с помощью сочетания критического мышления и использования инструментов Python. Все эти методы представлены в очень практичной и универсальной форме. В конечном итоге эти темы служат основой для последующего обсуждения A/B-тестирования.Введение и краткое описание курса
50
Понимание ключевых компонентов A/B тестирования
100
Определение значимых KPI
100
Определение и понимание KPI
50
Загрузка и изучение полученных данных
100
Объединение данных в различных датасетах
100
Исследовательский анализ KPI
50
Практика агрегирования
100
Группировка и агрегирование
100
Расчет KPI – практический пример
50
Расчет KPI
100
Средняя стоимость покупки по когортам
100
2. Изучение и визуализация поведения клиента
В этой главе описывается, как визуализировать, манипулировать и исследовать KPI, учитывая их изменение с течением времени. На различных примерах подробно рассказывается, как работать с объектами datetime для расчета показателей в единицу времени. Далее перейдем к технике построения графиков различных сегментов данных и применения различных функций сглаживания для выявления скрытых тенденций. Наконец, рассмотрим конкретный пример того, как выявить проблемы с помощью разведочного анализа данных о клиентах. На протяжении всей этой главы вводятся и объясняются различные функции в весьма обобщенном виде.Работа с данными временных рядов в pandas
50
Парсинг дат
100
Создание графиков временных рядов с помощью matplotlib
50
Построение графиков временных рядов
100
Транспонирование данных
100
Изучение различных когорт
100
Понимание и визуализация тенденций
50
Сезонность и скользящие средние
100
Экспоненциальное скользящее среднее и функция сглаживания "над/под"
100
События и релизы
50
Визуализация расходов пользователей
100
Более тщательный анализ доходов
100
3. Разработка и применение А/Б тестирования
В данной главе необходимо полностью погрузиться в A/B-тестирование. Вы изучите математические методы и приобретете знания, необходимые для разработки и успешного планирования A/B тестирования, начиная с определения экспериментальной единицы и заканчивая определением необходимого размера выборки. Помимо этого, познакомитесь с функциями и кодом, необходимыми для расчета различных величин, связанных со статистическими тестами данного типа.Введение в A/B тестирование
50
Эффективное применение A/B тестирования
100
Ключевые параметры A/B тестирования
100
Универсальность A/B тестирования
100
Исходный анализ A/B теста
50
Экспериментальные юниты: Доход на пользователя за день
100
Подготовка к проведению A/B теста
50
Чувствительность коэффициента конверсии
100
Сензитивность/ Чувствительность
100
Стандартная ошибка
100
Расчет размера выборки
50
Изучение расчета мощности
100
Расчет объема выборки
100
4. Анализ результатов A/B тестирования
После проведения A/B теста необходимо проанализировать полученные данные, а затем эффективно донести результаты. Эта глава начинается с изложения теории статистической значимости и доверительных интервалов. Инструментов, необходимых для их вычисления на основе данных. Далее рассмотрим, как эффективно визуализировать и донести эти результаты. Данная глава является кульминацией знаний, полученных в течение всего курса.Анализ результатов A/B тестирования
50
Подтверждение результатов тестирования
100
Критическое мышление о p-значениях
100
Понимание статистической значимости
50
Интуиция, лежащая в основе статистической значимости
100
Проверка статистической значимости
100
Понимание доверительных интервалов
100
Вычисление доверительных интервалов
100
Интерпретация результатов тестирования
50
Построение графика распределения
100
Построение графика распределения разностей
100
Подведение итогов
50