滴滴出行A/B测试&城市运营分析

目录

文章目录

前言

数据说明

一、A/B测试效果分析

1 数据导入

2 计算ROI（投资回报率） 

3 requests检验

3.1 requests方差检验

3.2 requests均值检验

4 gmv检验

4.1 gmv方差检验

4.2 gmv均值检验

5 ROI检验

5.1 ROI方差检验

5.2 ROI均值检验

二、城市运营分析

1 数据导入

2 数据探索 

2.1 订单量最多的时间点

2.2 订单量最多的日期

2.3 各时段订单完成率

2.4 单月每日订单完成率

2.5 顾客等待时间

2.6 司机在忙率

2.7 订单时长

总结

---

前言

随着企业日常经营活动的进行，企业内部必然产生了各式各样的数据，如何利用这些数据得出有益的见解，并支持我们下一步的产品迭代以及领导决策就显得尤为重要。

A/B测试是互联网企业常用的一种基于数据的产品迭代方法，它的主要思想是在控制其他条件不变的前提下对不同（或同一、同质）样本设计不同实验水平（方案），并根据最终的数据变现来判断自变量对因变量的影响；A/B测试的理论基础主要源于数理统计中的假设检验部分。

数据说明

数据集分为test.xlsx与city.xlsx两部分：

其中test.xlsx为滴滴出行某次A/B测试结果数据，各字段说明如下：

字段名称	字段解释
date	日期
group	组别
requests	订单请求数
gmv	成交总额
coupon per trip	每单优惠券金额
trips	订单数
canceled requests	取消请求数

city.xlsx为某城市运营数据，各字段说明如下：

字段名称	字段解释
date	日期
hour	时点
requests	订单请求数
trips	订单数
supply hours	可服务时长
average minutes of trips	平均订单时长
pETA	顾客预计等待时长
aETA	顾客实际等待时长
utiliz	司机在忙率

test.xlsx数据可以用来判断实验条件对此次A/B测试的结果影响是否显著；city.xlsx数据可以用来探索该城市运营中出现的问题，根据关键结论辅助决策。

---

一、A/B测试效果分析

1 数据导入

#A/B测试结果数据导入

import pandas as pd

test = pd.read_excel('test.xlsx', engine='openpyxl')
test.head()

这里需要注意xlrd1.2.0之后的版本不支持xlsx格式，支持xls格式。

办法一：

卸载新版本：pip uninstall xlrd

安装老版本：pip install xlrd=1.2.0 (或者更早版本)

方法二：

将xlrd用到的excel版本格式修改为xls（保险起见，另存为xls格式）

办法三：

使用openpyxl库去连接"xlsx"格式文件，代码跟换为：

test = pd.read_excel('test.xlsx', engine='openpyxl')

2 计算ROI（投资回报率） 

#计算优惠券投入相对gmv的ROI

test['ROI']=test['gmv']/(test['coupon per trip']*test['trips'])
test.head()

3 requests检验

test.group.value_counts()

 数据共58条，对照组与实验组各29条。

3.1 requests方差检验

记两组requests方差分别为c1,c2

零假设H0：c1=c2；备选假设H1：c1≠c2

显著性水平取0.05

#levene检验requests是否齐方差

requests_