Project_courses_website

⚒️ Стек: python, pandas, pandahouse, numpy, seaborn, matplotlib, scipy, bootstrap, requests, urlencode, SQL, ClickHouse, Jupyter Notebook

Блок 1

В ходе тестирования одной гипотезы целевой группе была предложена новая механика оплаты услуг на сайте продажи курсов, у контрольной группы оставалась базовая механика.

Данные для анализа:

• groups.csv – файл с информацией о принадлежности пользователя к контрольной или экспериментальной группе (А – контроль, B – целевая группа)
• groups_add.csv – дополнительный файл с пользователями, который вам прислали спустя 2 дня после передачи данных
• active_studs.csv – файл с информацией о пользователях, которые зашли на платформу в дни проведения эксперимента.
• checks.csv – файл с информацией об оплатах пользователей в дни проведения эксперимента.

Цель:

Мне необходимо проанализировать итоги эксперимента и ответить на следующие вопросы:

1. На какие метрики вы смотрите в ходе анализа и почему?
2. Имеются ли различия в показателях и с чем они могут быть связаны?
3. Являются ли эти различия статистически значимыми?
4. Стоит ли запускать новую механику на всех пользователей?

Этапы работы:

1. написала функцию выгрузки файлов, проанализировала данные;
2. провела математические расчеты метрик: CR, ARPU, ARPPU;
3. проверила группы на нормальность и равенство дисперсий;
4. провела АВ-тестирование метрик и проверила гипотезы на различия между группами с помощью метода Хи-квадрат Пирсона и Bootstrap.
   

По результатам анализа

я выявила, что в группе с новой механикой оплат значительно выше ARPPU и конверсия статистически значимо не отличается от контрольной группы. Новую механику оплат необходимо выкатить для всех пользователей, она увеличит доход компании и комфортные условия для пользователей сайта.

Блок 2

Образовательные курсы состоят из различных уроков, каждый из которых состоит из нескольких маленьких заданий. Каждое такое маленькое задание называется "горошиной". Под усердным студентом мы понимаем студента, который правильно решил 20 задач за текущий месяц. Данные для анализа: таблица default.peas

Результат

Написала оптимальный запрос, который дал информацию о количестве очень усердных студентов.

Оптимизация воронки

Образовательная платформа предлагает пройти студентам курсы по модели trial: студент может решить бесплатно лишь 30 горошин в день. Для неограниченного количества заданий в определенной дисциплине студенту необходимо приобрести полный доступ. Команда провела эксперимент, где был протестирован новый экран оплаты. Данные для анализа: default.peas, default.studs и default.final_project_check

ARPU считается относительно всех пользователей, попавших в группы.

• Активным считается пользователь, за все время решивший больше 10 задач правильно в любых дисциплинах.
• Активным по математике считается пользователь, за все время решивший 2 или больше задач правильно по математике.

Цель:

Мне необходимо в одном запросе выгрузить следующую информацию о группах пользователей:

1. ARPU
2. ARPAU
3. CR в покупку
4. СR активного пользователя в покупку
5. CR пользователя из активности по математике (subject = ’math’) в покупку курса по математике
6. нужно написать функцию, которая будет автоматически подгружать информацию из дополнительного файла groups_add.csv (заголовки могут отличаться) и на основании дополнительных параметров пересчитывать метрики
7. нужно написать функцию, которая будет строить графики по получаемым метрикам

Результат

Сделала SQL-запрос создания сводной таблицы с расчетом основных метрик: ARPU, ARPAU, CR, CR_active, CR_math и выгрузила в Jupyter Notebook.

Блок 3

Написала функцию для дополнительного файла к задаче #1, которая вычисляет основные метрики для анализа в одну сводную таблицу, и функцию для визуализации полученных результатов в виде графиков.