打车订单数与金额等A\B测试与城市运营分析

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。

一、A\B测试

1.0、准备及说明

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import warnings

plt.style.use('ggplot')
warnings.filterwarnings('ignore')
plt.rcParams['font.sans-serif'] =['Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False

data1 = pd.read_excel('test.xlsx')
data1.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 58 entries, 0 to 57
Data columns (total 7 columns):
 #   Column             Non-Null Count  Dtype         
---  ------             --------------  -----         
 0   date               58 non-null     datetime64[ns]
 1   group              58 non-null     object        
 2   requests           58 non-null     int64         
 3   gmv                58 non-null     float64       
 4   coupon per trip    58 non-null     float64       
 5   trips              58 non-null     int64         
 6   canceled requests  58 non-null     int64         
dtypes: datetime64[ns](1), float64(2), int64(3), object(1)
memory usage: 3.3+ KB

字段	解释说明
date	日期
group	组别（控制组/实验组）
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

 # 数据共58条，对照组与实验组各29条，样本量<30; 采取t检验
dict(data1.group.value_counts())   # {'control': 29, 'experiment': 29}

• 下面分别从ROI(投资回报率=收入/成本) 和gmv(成交总额) 展开AB测试。
• 函数：scipy.stats.ttest_rel(A,B) ： A\B的均值双边检验

1.1、gmv 均值检验

• 原假设H0：u1=u2；备选假设H1：u1≠u