A/B тестирование изменения стоимости премиум-подписки

Описание проекта

Этот проект представляет анализ результатов A/B тестирования, проведенного в крупном дейтинговом приложении. Цель теста состояла в проверке влияния изменения стоимости премиум-подписки на поведение пользователей, их платежеспособность и выручку компании. Тест затрагивал новых пользователей из нескольких стран и предусматривал использование двух новых платежных систем.

Проект включает:

• Загрузку и предобработку данных пользователей и транзакций.
• Выделение ключевых метрик для оценки результата теста:
  • ARPPU (Average Revenue Per Paying User) — средний доход с платного пользователя.
  • CR (Conversion Rate) — конверсия из пробных подписок в платные.
• Анализ поведения пользователей по различным категориям:
  • Гендер, возраст, коэффициент привлекательности.
  • Страны, откуда пользователи пришли.
  • Частота и длительность посещения приложения.
• A/B тестирование с использованием статистических методов:
  • Тесты на нормальность распределения и равенство дисперсий.
  • Использование t-теста, хи-квадрат теста и бутстреп-методов для проверки гипотез.

Результаты

Основные выводы:

1. Средний доход:
   • Изменение стоимости премиум-подписки снизило средний доход:
     • На 6.4% для пользователей с пробной подпиской.
     • На 25.7% для пользователей с постоянной подпиской.
2. Конверсия:
   • Изменение стоимости не оказало значимого влияния на конверсию пользователей из пробной подписки в постоянную.
3. Общие результаты теста:
   • Изменение стоимости негативно сказалось на выручке с платных пользователей.
   • Эксперимент не был успешен.

Структура данных

Файлы:

-   users_*.csv — информация о пользователях (демография, активность, премиум-статус).
-   transactions_*.csv — информация о платежах (выручка, тип подписки, источник оплаты).

Основные столбцы:

-   uid — идентификатор пользователя.
-   age, gender, attraction_coeff — характеристики пользователя.
-   was_premium, is_premium — статус премиум-подписки.
-   revenue, total_revenue — нормированная выручка.
-   product_type — тип продукта (пробная или постоянная подписка).

Используемые библиотеки

Проект реализован на Python с использованием следующих библиотек:

• Pandas, NumPy — работа с данными.
• Matplotlib, Seaborn, Plotly — визуализация.
• Scipy, Statsmodels — статистический анализ.
• Bootstrap — оценка доверительных интервалов.

Как использовать

1. Скачайте данные с указанных источников (например, облачное хранилище).
2. Выполните предобработку данных, следуя коду в проекте.
3. Проведите анализ ключевых метрик и A/B тестирование.
4. Используйте результаты для принятия решений по ценообразованию в приложении.