Le lien vers le Google Colab : https://bit.ly/2XgM0DL
Le principe : L'A/B Test permet de présenter à des utilisateurs différents 2 ou plusieurs scénarios d'un produit, d'un site internet ou autre, en changeant une variante, une de ses caractéristiques. L'objectif ? Comprendre quel scénario est le plus apprécié par ses utilisateurs pour leur proposer une meilleure offre ! Un exemple ? Changer la couleur ou la forme d'un bouton, le wording d'une page web, la disposition d'un encart pour une offre spéciale...Airbnb en est aficionado !
4. L'intérêt pour les designers
Arbitraire/Assomptions
Créer des scénarios d’expériences
Redoubler de créativité au service du
business
Pouvoir travailler en toute autonomie
8. Définition
L’A/B testing est une expérience menée sur un site
internet ou une application mobile (par exemple), qui
permet de tester des hypothèses d'optimisations en les
comparant avec une variante de référence.
18. Erreur ..
Type I error — Conclure que l'expérience est réussi grâce à
votre intervention - Faux positif
Type II error — Conclure que l'expérience n’a pas réussi a
cause de votre intervention - Faux négatif
19. Hypothèse nulle
Null hypothesis (H0) : Cette hypothèse stipule qu’il n’y a pas de
différence entre nos deux groupe (contrôle/test)
20. PICOT
Population, Intervention, Comparison, Outcome, Time
Exemple:
Les visiteurs netflix qui reçoivent la disposition B n'auront
pas de taux de conversion de fin de visite supérieurs à
ceux des visiteurs qui recevront la disposition A durant
leur session
24. Jedha : Data Science Bootcamp
—
FONDAMENTAUX
19 Août - 30 Août
Lundi au Vendredi
9h30 - 15h30
Semaine
—
2 Juillet - 27 Août
Mardis & Jeudis
18h30 - 21h
Cours du soir
—
25. Jedha : Data Science Bootcamp
—
FULLSTACK : DEVENEZ DATA SCIENTIST
30 Sept - 11 Avril
Lundis, 18h30 - 21h
Samedis, 9h30 - 15h30
Temps partiel
—
9 Sept - 3 Déc
Lundi au vendredi
9h30 - 15h30
Temps plein
—