Задание #1
В датасете содержится кликстрим сегмента пользователей сайта movavi, события page_view (просмотр страниц) и purchase(покупка).
- Разбить все действия пользователей на сессии. Триггер разрыва сессии - появление нового medium(маркетинговый канал), совершение транзакции или неактивность (отсутствие последующих действий более 2 часов).
В случае если разрыв не по смене маркетингового канала, значение medium для сессии устанавливается как ‘unknown’.
Результат работы - работающий SQL скрипт или python код, который укладывает данные в структуру с теми же столбцами и сгенерированными вами идентификатором сессии.
- На основе разбитых сессий посчитать конверсию сессий в покупки по каналам, визуализировать это в динамике с использованием любого инструмента.
Результат работы - скрипт, обращающийся к данным из предыдущей задачи и визуализация в любом bi инструменте, который можно проверить локально.
Задание #2
Мы придумали очень крутую фичу, позволяющую на основе ML модели автоматически собирать крутое видео на Ютубе, с красивой обложкой и переходами.
Она настолько нам дорога, что мы решили ее продавать в виде отдельной подписки с доступом, предположим что другие подобные фичи мы так уже успешно продавали. Хотим потестировать разные ценовые опции, 5$,10$,15$ в месяц.
Для проведения теста выделен месяц, дизайн эксперимента и его анализ целиком лежит на тебе, как на продуктовом аналитике.
Опиши сетап эксперимента, включая гипотезу(позволяющую в терминах АБ тестирования выбрать лучшую ценовую опцию), ключевую метрику и статистический критерий для анализа.
Рассчитай размеры групп в пользователях, считая историческую конверсию в подписку в 10%, MDE = 5%, alpha = 5%, beta = 20%.