By connecting to BigQuery (where the experiment data is loaded) from Python and creating automated code, the analysis time can be significantly reduced, and it becomes easier to quickly determine the direction for further analysis when needed.

In this article, I’m going to tell you how you can create the Sankey Chart starting from GA4, BigQuery, and up to Redash.

“본 A/B 테스트는 저희 기업 내 A/B 테스트 TF에서 진행한 프로젝트로, 자사몰 웹사이트의 구매 전환율과 매출을 향상시키기 위해 할인율(%) 표시의 효과를 분석했습니다. 실험 설계 단계에서 Chi-squared test, 두 그룹 비율 차이 검정(z-test), 두 그룹 평균 차이 검정(t-test) 등의 통계 방법론을 사용해 실험군과 대조군 간의 차이를 검증했습니다. 결과적으로는 할인율 표시가 구매 전환율과 1인당 매출액에 유의미한 영향을 주지 않았으나, 장바구니 담기 전환율이 유의미하게 상승했습니다. 이를 통해 할인 정보가 소비자의 구매 결정을 앞당기는 데 효과적임을 발견하고, 향후 제품 가치 전달을 위한 더욱 효과적인 전략을 세우는 것이 중요하다는 사실을 확인했습니다.”

“This A/B test was conducted as part of a project within our company’s A/B Testing TF to analyze the impact of displaying discount percentages (%) on the website’s purchase conversion rate and revenue. In the experiment design phase, I used statistical methodologies such as the Chi-squared test, two-proportion z-test, and two-sample t-test to verify differences between the test and control groups. While the discount display did not significantly affect the purchase conversion rate or average revenue per user, the add-to-cart conversion rate showed a notable increase. This revealed that discount information can effectively expedite consumer purchase decisions, and highlighted the importance of developing more effective strategies for communicating product value moving forward.”

이번 아티클에서는 회귀모델(Regression Model)이 어떤 경우에 저조한 성과를 내는지, 더 나아가 Dataset이 어떤 특성을 지닐 때 회귀모델로 해당 문제를 풀어낼 수 없는지 필자가 경험한 바를 서술해보고자 한다.