import pandas as pd
import numpy as np

import streamlit as st

import tools

STEP_2 = STEP_3 = STEP_4 = STEP_5 = STEP_6 = False

hide_menu_style = """
        <style>
        footer {visibility: hidden;}
        </style>
        """
st.markdown(hide_menu_style, unsafe_allow_html=True)

st.set_page_config(
	page_title="A/B Tests", page_icon="📈", initial_sidebar_state="expanded"
)

st.title('A/B tests lab')

st.image('images/main.jpg')

st.write(
	"""
	*Внедрять компании новый сервис или нет? Как принять правильное решение?* 

	*Поможет А/В-тестирование.*

	A/B-тестирование, или сплит-тестирование (англ. A/B testing; Split testing, от англ. «разделять») — 
	техника проверки гипотез. Позволяет оценить, как изменение сервиса или продукта повлияет на пользователей. 

	Проводится так: аудиторию делят на две группы — контрольную (A) и тестовую (В). Группа A видит начальный сервис, 
	без изменений. Группа B получает новую версию, которую и нужно протестировать.
	Эксперимент длится фиксированное время или по количеству пользователей. 
	В ходе тестирования собираются данные о поведении пользователей в разных группах. 
	Если ключевая метрика в тестовой группе выросла по сравнению с контрольной, новую функциональность внедряют.
	"""
)

st.image('images/ab-structure.png', width=700)

st.write(
	"""
	Кому нужно A/B-тестирование

	1. _Продакт-менеджеры_ могут тестировать изменения ценовых моделей, направленные на повышение доходов, или оптимизацию части воронки продаж для увеличения конверсии.
	
	2. _Маркетологи_ могут тестировать изображения, призывы к действию (call-to-action) или практически любые другие элементы маркетинговой кампании или рекламы с точки зрения улучшения метрик.
	
	3. _Продуктовые дизайнеры_ могут тестировать дизайнерские решения (например, цвет кнопки оформления заказа) или использовать результаты тестирования для того, чтобы перед внедрением определить, будет ли удобно пользоваться новой функцией.
	"""
)

st.markdown(
	"""
	Вот шесть шагов, которые нужно пройти, чтобы провести тестирование.
	В некоторые из пунктов включены примеры тестирования страницы регистрации выдуманного стартапа.
	"""
)

with st.expander('Шаг 1. Определите цели', expanded=True):
	st.write(
		"""
		Определите основные бизнес-задачи вашей компании и убедитесь, что цели A/B-тестирования с ними совпадают.
		
		Например, можем выпустить обновление приложения и проверить на маленькой группе, 
		что обновление не портит пользовательский опыт. Если метрики не падают, можем выкатывать обновление на всех.
		
		"""
	)

	purpose = st.radio(
		'Цели',
		options=[
			'Занять делом скучающих сотрудников',
			'Решить проблему пользователей',
			'Снизить риски при значительных изменениях',
			'Обеспечить статистически значимые улучшения'
		]
	)

	if 'Занять делом скучающих сотрудников' in purpose:
		st.error(
			"""
			Этой цели мы безусловно добьемся, но бизнесу от этого легче не станет.
			"""
		)
	if 'Решить проблему пользователей' in purpose:
		st.info(
			"""
			Посетители приходят на сайт с конкретной целью: больше узнать о продукте или услуге, что-то купить, 
			изучить тему или просто поглазеть. При этом пользователи с разными целями сталкиваются с 
			общими проблемами. Например, кнопка «Купить» расположена неудобно и её сложно найти. 
			Такие нюансы формируют негативный пользовательский опыт (пользоваться сайтом неудобно) 
			и влияют на конверсию.
			
			Это актуально для всех сфер: будь то электронная коммерция, туризм, SaaS, образование, 
			СМИ или издательский бизнес.
			"""
		)
		st.error('Да, но сегодня мы будем добиваться другой цели. Выберите другую.')

	if 'Снизить риски при значительных изменениях' in purpose:
		st.info(
			"""
			Рекомендуем вносить небольшие и последовательные изменения вместо того, чтобы одновременно делать 
			редизайн всей страницы. Так снизится вероятность ухудшения коэффициента конверсии.
			
			A/B-тесты позволяют получать хороший результат и при этом вносить лишь небольшие изменения,
			что приводит к увеличению ROI.
			
			В качестве примера приведём изменения в описании продукта. Вы можете сделать A/B-тест, 
			когда нужно удалить или обновить описание продукта, но при этом не знаете, как посетители будут 
			реагировать на это.
			
			Другой пример модификации с низким риском — добавление новой функции. A/B-тест поможет 
			сделать результат внедрения более предсказуемым.
			"""
		)
		st.error('Да, но сегодня мы будем добиваться другой цели. Выберите другую.')

	if 'Обеспечить статистически значимые улучшения' in purpose:
		st.info(
			"""
			A/B-тестирование полностью основано на данных и не оставляет места для догадок. 
			Поэтому можно легко определить «победителя» и «проигравшего» на основе статистически значимых 
			улучшений: показателей времени на странице, число запросов пробников, количество 
			брошенных корзин, CTR.
			"""
		)
		st.success('Да, попробуем добиться статистически значимого улучшения метрики.')
		STEP_2 = True


if STEP_2:
	with st.expander('Шаг 2. Определите метрику', expanded=True):
		st.write(
			"""
			На данном этапе необходимо определить метрику, на которую вы будете смотреть, чтобы понять, является ли 
			новая версия сайта более успешной, чем изначальная. Обычно в качестве такой метрики берут
			коэффициент конверсии, но можно выбрать и промежуточную метрику вроде показателя кликабельности (CTR).
			"""
		)

		metrick = st.radio(
			'Цели',
			options=[
				'Обеспечить лучшую окупаемость инвестиций (ROI)',
				'Уменьшить показатель отказов',
				'Повысить конверсию',
			]
		)

		if 'Обеспечить лучшую окупаемость инвестиций (ROI)' in metrick:
			st.info(
				"""
				Маркетологи знают, каким дорогим бывает качественный трафик. A/B-тестирование позволяет эффективно 
				использовать существующий трафик и помогает повысить конверсию без затрат на привлечение нового. 
				Иногда даже незначительные изменения влияют на конверсию.
				"""
			)
			st.error('Сегодня мы будем тестировать не эту метрику. Выберите другую.')

		if 'Уменьшить показатель отказов' in metrick:
			st.info(
				"""
				Для оценки эффективности сайта важно отслеживать показатель отказов. 
				Люди покидают сайт по разным причинам: слишком много вариантов товара, несоответствие ожиданиям 
				и другие. Поскольку сайты различаются по аудиториям и целям, нет универсального надёжного способа 
				определения показателя отказов.
		
				Но решение есть: в каждом случае поможет A/B-тестирование. Можно протестировать несколько вариантов расположения 
				элементов на сайте и найти оптимальное решение.
				"""
			)
			st.error('Сегодня мы будем тестировать не эту метрику. Выберите другую.')

		if 'Повысить конверсию' in metrick:
			st.info(
				"""
				Конверсия — один из главных терминов в маркетинге. Не считая конверсию, сложно 
				оценить эффективность маркетинга и работать с воронкой продаж. 
			
				Конверсия показывает, какой процент пользователей или потенциальных клиентов совершили 
				целевое действие: оставили заявку, купили товар, подписались на рассылку и так далее.
				"""
			)
			st.success('Правильно! Именно эту метрику мы и будем оптимизировать')
			STEP_3 = True

if STEP_3:
	with st.expander('Шаг 3. Разработайте гипотезу', expanded=True):
		st.write(
			"""
			Затем нужно разработать гипотезу о том, что именно поменяется, и, соответственно, что вы хотите проверить. 
			Нужно понять, каких результатов вы ожидаете и какие у них могут быть обоснования.
			
			Нужно определить две гипотезы, которые помогут понять, является ли наблюдаемая разница между версией 
			A (изначальной) и версией B (новой, которую вы хотите проверить) случайностью или результатом изменений,
			которые вы произвели.
			
			* _Нулевая гипотеза_ предполагает, что результаты, А и В на самом деле не отличаются и что наблюдаемые различия случайны. Мы надеемся опровергнуть эту гипотезу.
			
			* _Альтернативная гипотеза_ — это гипотеза о том, что B отличается от A, и вы хотите сделать вывод об её истинности.
			
			Решите, будет ли это односторонний или двусторонний тест. 
			Односторонний тест позволяет обнаружить изменение в одном направлении, 
			в то время как двусторонний тест позволяет обнаружить изменение по двум направлениям 
			(как положительное, так и отрицательное). 
			"""
		)

		st.radio(
			"Тип теста",
			options=["Односторонний", "Двусторонний"],
			index=0,
			key="hypothesis",
			help="Односторонний тест позволяет обнаружить изменение в одном направлении, в то время как двусторонний тест позволяет обнаружить изменение по двум направлениям (как положительное, так и отрицательное).  ",
		)

		STEP_4 = True

if STEP_4:
	with st.expander('Шаг 4. Подготовьте эксперимент', expanded=True):
		st.write(
			"""
			1. _Создайте новую версию (B)_, отражающую изменения, которые вы хотите протестировать.
			
			2. _Определите контрольную и экспериментальную группы_.
			
				Каких пользователей вы хотите протестировать:
				всех пользователей на всех платформах или только пользователей из одной страны? Определите группу испытуемых, 
				отобрав их по типам пользователей, платформе, географическим показателям и т.п.
				Затем определите, какой процент исследуемой группы составляет контрольная группа (группа, видящая версию A), 
				а какой процент — экспериментальная группа (группа, видящая версию B). Обычно эти группы одинакового размера.
			
			3. _Убедитесь, что пользователи будут видеть версии A и B в случайном порядке_.
			
				Это значит, у каждого пользователя будет равный шанс получить ту или иную версию.
				
			4. _Определите уровень статистической значимости (α)_.
			 
				Это уровень риска, который вы принимаете при ошибках первого рода (отклонение нулевой гипотезы, если она верна), обычно α = 0.05. 
				Это означает, что в 5% случаев вы будете обнаруживать разницу между A и B, 
				которая на самом деле обусловлена случайностью. Чем ниже выбранный вами уровень значимости, 
				тем ниже риск того, что вы обнаружите разницу, вызванную случайностью.
			
			5. _Определите минимальный размер выборки_. Калькулятор есть [здесь](https://vwo.com/tools/ab-test-sample-size-calculator/).
			
				Он рассчитывают размер выборки, необходимый для каждой версии. На размер выборки влияют разные параметры и ваши предпочтения. 
				Наличие достаточно большого размера выборки важно для обеспечения статистически значимых результатов.
			
			6. _Определите временные рамки_. Калькулятор есть [здесь](https://vwo.com/tools/ab-test-duration-calculator/).
				
				Возьмите общий размер выборки, необходимый вам для тестирования каждой версии, 
				и разделите его на ваш ежедневный трафик. Так вы получите количество дней, 
				необходимое для проведения теста. Как правило, это одна или две недели.
			
			У A/B-теста есть проблема подглядывания (англ. peeking problem): общий результат искажается, если новые данные 
			поступают в начале эксперимента. Каждый, даже небольшой фрагмент новых данных, велик относительно уже 
			накопленных — статистическая значимость достигается за короткий срок.
			"""
		)

		st.image('images/peeking_problem.png', width=670)

		st.write(
			"""
			На графике разница конверсии между сегментами, полученная в результате смоделированного A/B-теста. 
			Данные собирали из одной генеральной совокупности, и различий в выборочных средних быть не должно.
			Но из-за флуктуаций (от лат. fluctuatio, колебание) в первые дни тестирования была достигнута 
			статистическая значимость. Если бы это был реальный, а не смоделированный тест, принятое по достижении 
			статистической значимости решение было бы неверным. 
		
			Чтобы избежать проблемы подглядывания, размер выборки определяют ещё до начала теста.
			"""
		)

		st.slider(
			"Уровень значимости (α)",
			min_value=0.01,
			max_value=0.10,
			value=0.05,
			step=0.01,
			key="alpha",
			help="Это уровень риска, который вы принимаете при ошибках первого рода (отклонение нулевой гипотезы, если она верна), обычно α = 0.05.",
		)

		ab_test_duration = st.select_slider(label='Выберите длительность A/B теста в днях', options=range(3, 31))
		mean_traff = st.number_input(label='Укажите, среднюю посещаемость сайта в сутки', min_value=150)
		ab_test_sample_size = st.select_slider(label=f'Укажите размер выборки для группы B (при 20% от средней посещаемости в день, максимальный размер выборки для группы B - {int(mean_traff * 0.2 * ab_test_duration)})', options=range(60, int(mean_traff * 0.2 * ab_test_duration) + 1))
		st.write(f'Выбрано ~{int((ab_test_sample_size / ab_test_duration) / mean_traff * 100)}% от средней посещаемости в сутки.')

		STEP_5 = True

if STEP_5:
	with st.expander('Шаг 5. Проведите эксперимент', expanded=True):
		st.write(
			"""
			Помните о важных шагах, которые необходимо выполнить:
			
			1. Обсудите параметры эксперимента с исполнителями.
			2. Выполните запрос на тестовой закрытой площадке, если она у вас есть. Это поможет проверить данные. Если ее нет, проверьте данные, полученные в первый день эксперимента.
			3. В самом начале проведения тестирования проверьте, действительно ли оно работает.
			4. И наконец, не смотрите на результаты! 
			
			Преждевременный просмотр результатов может испортить статистическую значимость.
			"""
		)

		with st.form(key='start_ab'):
			start_test = st.form_submit_button('Провести тест')
			if start_test:

				st.write("Посмотрим на проведенный тест")

				df = tools.get_dataset(ab_test_sample_size, ab_test_duration)

				visitors_a = df[df['group'] == 'old_version'].shape[0]
				visitors_b = df[df['group'] == 'new_version'].shape[0]

				conversions_a = df.groupby(['group', 'converted']).agg('count')['user_id'][3]
				conversions_b = df.groupby(['group', 'converted']).agg('count')['user_id'][1]

				st.write(df.sample(7))

				st.plotly_chart(tools.get_plotly_converted_hist(df), use_container_width=True)

				STEP_6 = True

if STEP_6:
	with st.expander('Шаг 6. Проанализируйте результаты', expanded=True):
		st.write(
			"""
			Вам нужно получить данные и рассчитать значения выбранной ранее метрики успеха для обеих версий
			(A и B) и разницу между этими значениями.
			Если не было никакой разницы в целом, вы также можете сегментировать выборку по платформам, типам источников, 
			географическим параметрам и т.п., если это применимо. Вы можете обнаружить, 
			что версия B работает лучше или хуже для определенных сегментов.
			
			Проверьте статистическую значимость. Статистическая теория, лежащая в основе этого подхода, объясняется здесь,
			но основная идея в том, чтобы выяснить, была ли разница в результатах между A и B связана с изменениями 
			или это результат случайности либо естественных изменений. Это определяется путем сравнения
			тестовых статистических данных (и полученного p-значения) с вашим уровнем значимости.
		
			Если p-значение меньше уровня значимости, то можно отвергнуть нулевую гипотезу, если имеются
			доказательства для альтернативы.
			
			Если p-значение больше или равно уровню значимости, мы не можем отвергнуть нулевую гипотезу о том,
			что A и B не отличаются друг от друга.
			"""
		)

		tools.calculate_significance(
			conversions_a,
			conversions_b,
			visitors_a,
			visitors_b
		)

		mcol1, mcol2 = st.columns(2)

		with mcol1:
			st.metric(
				"Разница",
				value=f"{(st.session_state.crb - st.session_state.cra):.3g}%",
				delta=f"{(st.session_state.crb - st.session_state.cra):.3g}%",
			)

		with mcol2:
			st.metric("Различие статзначимо?", value=st.session_state.significant)

		results_df = pd.DataFrame(
			{
				"Group":      ["A", "B"],
				"Conversion": [st.session_state.cra, st.session_state.crb],
			}
		)
		tools.plot_chart(results_df)

		table = pd.DataFrame(
			{
				"Converted":   [conversions_a, conversions_b],
				"Total":       [visitors_a, visitors_b],
				"% Converted": [st.session_state.cra, st.session_state.crb],
			},
			index=pd.Index(["A", "B"]),
		)

		st.write(table.style.format(formatter={("% Converted"): "{:.3g}%"}))

		metrics = pd.DataFrame(
			{
				"p-value": [st.session_state.p],
				"z-score": [st.session_state.z],
				"uplift":  [st.session_state.uplift],
			},
			index=pd.Index(["Metrics"]),
		)

		st.write(
			metrics.style.format(
				formatter={("p-value", "z-score"): "{:.3g}", ("uplift"): "{:.3g}%"}
			)
			.applymap(tools.style_negative, props="color:red;")
			.apply(tools.style_p_value, props="color:red;", axis=1, subset=["p-value"])
		)
		st.plotly_chart(tools.get_fig(df), use_container_width=True)