2.1 Qual é a taxa de cliques geral diária? Como isso varia entre os grupos?

Iremos calcular a quantidade de cliques por sessão e então dividiremos esse valor pelo número total de sessões, desconsiderando aquelas em que não houveram cliques.

buscasSessao <- buscas %>%
    group_by(session_id, group) %>%
        summarise(session_length = first(session_length), 
              date = first(session_start_date),
              sum_clicks = sum(num_clicks))

buscasSessao %>%
    group_by(date, group) %>%
    summarise(click_rate = round(mean(sum_clicks > 0),2)) %>%
    ggplot(aes(x = date, y = click_rate * 100, group = group, color = group)) +
    geom_point() +
    geom_line(show.legend = FALSE) +
    labs(title = "Daily clickthrough rate", x = "", y = "clickthrough rate (%)") +
    theme(axis.text.x = element_text(hjust = 1, angle = 45)) +
    facet_wrap(~group)

Agrupando a taxa de cliques por sessão e desconsiderando sessões em que não houveram cliques, podemos ver que para o grupo ‘a’ possui uma taxa de cliques muito maior que o grupo ‘b’, que não passa dos 20%.

2.2 Quais resultados as pessoas tendem a tentar primeiro? Como isso muda no dia-a-dia?

Iremos desconsiderar os casos onde a posição do link da página visitada é maior que 25, isso pois a incidência de cliques é bem baixa como podemos ver a seguir.

head(buscas %>%
    filter(first_click >= 25) %>%
    group_by(first_click) %>%
    summarise(count = n()))

Traçando um gráfico de barras, podemos ver que, no geral, a grande maioria das pessoas clica no primeiro link, enquanto que o outros valores estão muito abaixo.

buscas %>%
    filter(first_click <= 25) %>%
    ggplot(aes(x = first_click, fill = "#FF6666")) +
    geom_bar(show.legend = FALSE) +
    labs(title = "Results people tend to try",x = "first click")

Para fazer a mesma análise, porém considerando no dia-a-dia, teremos que usar outro valor como medida visto que se usarmos valores dos 50% percentil dos dados ou menos, a grande maioria dos valores será a mesma para todos os dias e nossa visualização não mostrará muita coisa. Vamos utilizar o 95% percentil.

buscas %>%
    group_by(date = session_start_date) %>%
    summarise(percentil = quantile(first_click, c(.95), na.rm = TRUE)) %>%
    ggplot(aes(x = date, y = percentil)) +
    geom_line() +
    geom_point()

Podemos ver uma variação considerável entre os dias, para o 95% percentil, sendo o dia 04 de março aquele com o maior valor.

2.3 Qual é a taxa diária de resultados zero no geral? Como isso varia entre os grupos?

Para responder essa pergunta, vamos traçar um gráfico entre os dias e a média dos resultados 0, ao dividir por grupos teremos uma visualização que responderá a pergunta.

buscas %>%
    group_by(date = session_start_date, group) %>%
    mutate(mean_zero = round(mean(results == 0), 2) * 100) %>%
    ggplot(aes(x = date, y = mean_zero, group = group, color = group)) +
    geom_point(show.legend = FALSE) +
    geom_line(show.legend = FALSE) +
    labs(title = "Daily overall zero results rate", x = "", y = "zero results (%)") +
    theme(axis.text.x = element_text(hjust = 1, angle = 45)) +
    facet_wrap(~group)

Podemos ver que os gráficos são idênticos de 04 de março para trás, porém desse dia em diante as taxas de resultado 0 mudam para os grupos. O grupo tem as menores taxas, chegando a 17% das buscas retornando zero. O maior valor, para ambos os grupos, foi de 20%.

2.4 Escolha uma variável do conjunto de dados e descreva sua relação com o tamanho da sessão. Visualize o relacionamento.

Vamos analisar a relação entre o tamanho de uma sessão e a quantidade de cliques que ocorrem nela.

buscasSessao %>%
    ggplot(aes(session_length, sum_clicks, color = group)) +
    geom_point(alpha = .2, show.legend = FALSE) +
    scale_x_log10() +
    facet_wrap(~group)

Podemos observar que não há uma relação clara entre essas variáveis, independente do tamanho da sessão o número de cliques sempre tende a ser baixo, porém ao separarmos em grupos vemos a presença de muitos outliers no grupo ‘a’. Abaixo calculamos as correlações entre essas variáveis.

buscasSessao %>% 
    group_by(group) %>%
    summarise(pearson  = cor(session_length, sum_clicks, method = "pearson"),
              spearman = cor(session_length, sum_clicks, method = "spearman"),
              kendall  = cor(session_length, sum_clicks, method = "kendall"))