# 6-2. Advertising_Data A/B 테스트

## 1. 데이터 소개

- 데이터 이름: Product Advertising Data  

- 실습 파일 다운로드

- https://docs.google.com/spreadsheets/d/1FL6yWK8-JL9cz4lHUrpD25_u9qI7U3NtNfczJbQeVKc/edit?usp=sharing

[8-2.Advertising_Data](https://docs.google.com/spreadsheets/d/1FL6yWK8-JL9cz4lHUrpD25_u9qI7U3NtNfczJbQeVKc/edit?usp=sharing)

---

## 2. 컬럼 설명

- TV: TV 광고비  

- Billboards: 옥외(빌보드) 광고비  

- Google_Ads: 구글 광고비  

- Social_Media: SNS 광고비  

- Influencer_Marketing: 인플루언서 마케팅 비용  

- Affiliate_Marketing: 제휴 마케팅 비용  

- Product_Sold: 해당 조건에서 팔린 제품 수량(타깃 변수)

- Group: A, B (임의로 나눈 그룹 - A/B 테스트용)

---

> <목표> 

A/B Test

## 3. 실습

```
Advertising_Data.xlsx 파일을 불러와서 Group A와 Group B에 대해 
Product_Sold를 기준으로 논문 보고 형식의 A/B 테스트 결과표를 생성해줘.
```

> GPT

---

# 📄 **논문 보고형 A/B 테스트 결과표**

| Metric | Group A (Mean ± SD, n) | Group B (Mean ± SD, n) | Mean Difference | t-value | p-value |
| --- | --- | --- | --- | --- | --- |
| Product_Sold | 6907.65 ± 1661.14, n=156 | 7165.72 ± 1744.32, n=144 | -258.07 | -1.31 | 0.190 |

---

# 📌 해석 (요약)

- 두 집단의 Product_Sold 평균 차이는 **약 -258개**로 Group B가 더 높았지만,

- **p = 0.190** → 통계적으로 유의하지 않음.

- 효과 크기(Cohen's d = -0.15)도 **매우 작은 효과 크기** 수준임.

원하시면 이 결과를 **논문용 문단**으로 자동 생성해드릴까요?

```
Advertising_Data.xlsx 파일을 불러와서 
Group A와 B의 Product_Sold 평균을 bar chart로 나타내줘.

조건:
1) bar 색상은 A=파란색, B=주황색
2) errorbar는 95% 신뢰구간
3) figure 크기는 (8, 6)
4) y축 라벨은 "Mean Product_Sold"
5) 제목은 "A/B Test Mean Comparison with 95% CI"
6) seaborn whitegrid 스타일 적용

```

> GPT

![Image](https://upload.cafenono.com/image/slashpageHome/20251129/090943_XcCFxdCnwdjZitEN1G?q=80&s=1280x180&t=outside&f=webp)

For the site tree, see the [root Markdown](https://slashpage.com/lion.md).