data-portfolio

Cadre de test A/B — promotion marketing multi-bras

Question métier

Laquelle des trois stratégies de promotion (Promotion 1 vs 2 vs 3) génère les ventes les plus élevées ? Une vraie chaîne de fast-food les a déployées dans ses magasins ; on applique un cadre rigoureux de tests A/B/n pour tirer des conclusions correctes et recommander un déploiement.

La boîte à outils démontrée ici s’applique directement aux expériences marketing en retail ou télécom africain (par ex. campagnes push de MTN Nigeria, stratégies promo de Jumia).

Données

Source : Fast Food Marketing Campaign A/B Test (Kaggle) — 548 observations de ventes hebdomadaires sur 137 emplacements × 4 semaines × 3 promotions, avec taille de marché (Petite/Moyenne/Grande) et âge du magasin.

Lancer python download_data.py.

Cibles d’EDA

Distribution des ventes par bras de promotion
Taille de marché comme stratifieur
Effet de l’âge du magasin

Analyses statistiques

Test	Usage
Test t de Welch (deux échantillons)	Comparaisons par paires entre promotions
ANOVA à un facteur	Test conjoint sur les trois promotions
Analyse stratifiée (par MarketSize)	Éviter le paradoxe de Simpson
OLS avec ajustement par covariables	Contrôle pour `AgeOfStore`, `MarketSize`
A/B bayésien (Bêta-Binomial sur moyennes)	Postérieur P(promo 1 > promo 3)

Validation

Correction pour comparaisons multiples (Bonferroni / Holm)
Taille d’effet : d de Cohen
Vérification de puissance (l’expérience était-elle correctement dimensionnée ?)

Déploiement

Tableau de bord résumant ventes par bras + IC 95 % + estimation de lift vs contrôle
Règle de décision : déployer la promotion gagnante globalement si lift > 5 % avec p < 0,01 (corrigé)

Résultat métier

Décision de déploiement de promotion défendable statistiquement
La stratification fait remonter les effets d’interaction (la promo 3 fonctionne-t-elle mieux dans les petits marchés ?)
Pipeline réutilisable pour toute expérience randomisée marketing ou produit

This site is open source. Improve this page.