Мне тут надо по результатам моих `filter() %>% group_by() %>% summarise()`много денег обосновать и хочется сделать это так, чтобы комар носа не подточил. Хотя эти и overkill.

Подскажите, пожалуйста, как получить группировку данных из API Яндекс.Метрики по ym:pv:URLPath?

Перепробовал разные фильтры. Работает, если убираю модель атрибуции и источник трафик ym:s:lastsignTrafficSource. Но мне убирать ym:s:lastsignTrafficSource нельзя, они обязательно нужны

Олег, кажется, ваш вопрос нерелевантен теме канала

я просто тяну данные через R, поэтому решил уточнить. ладно, буду дальше разбираться

Можно

Благодарю!

Вот каким надо было трихедом что бы пойти и отправить биток..

А можно лёгкий оффтоп про дизайн "эксперимента" спросить?

м?

Можно просто спросить, как сделать это в R :)

Ладно, не буду. Обсуждать, почему в бизнесе нельзя всё делать по науке и как приходится изголяться, смысла не вижу.

В бизнесе как правило нет необходимых ресурсов, в том числе временных, нет возможности контролировать условия и т.п. но стремиться делать "по науке" желательно, хотя бы в каких-то базовых вещах. Тема немного оффтоп, но смотря как задать вопрос для обсуждения, здесь есть те, кому это было бы интересно обсудить

Ну я сформулирую проблему, а там уж посмотрим: есть продукт А, который существует несколько лет. Со временем его хотят заменить продуктом Б, который считается его улучшенной версией. Срок, когда происходили подключения к продуктам А и Б одновременно — минимальный (4 месяца). С сентября 2019 к продукту А прекращают подключать новых пользователей.

И тут настаёт волшебный момент, когда решают оценить экономический эффект от продукта Б и выясняется, что его ARPU не лучше, чем у А. И вот тут продуктологам и аналитикам приходится проявлять чудеса фантазии, чтобы на цифрах показать обратное.

Мне это удалось сделать, показав, что ARPU мигрантов с А на Б действительно выше, чем на А и Б в любом из 4х месяцев 2020 года. Причём независимо от того, как давно они мигрировали. Но коллегам вариант не зашёл: мол, мигрируют самые лучшие пользователи, а когда придётся переселять "серую массу", то эффект сойдёт на ноль. Тем же коллегам понравилось другое: взять средний ARPU продукта А за 2019 год и сравнивать с ним ARPU продукта Б в каждом месяце 2020 года. К счастью для них, эффект пока тоже в пользу продукта Б, но при этом сильно варьируется от месяца к месяцу.

В науке, к слову, тоже зачастую нельзя все делать по науке...

Я было начал спорить с их подходом, но потом подумал, что квартальные и годовые премии дороже Истины и махнул рукой. Но с "философской" точки зрения мне не даёт покою довод о том, что продукт А в 2019 был "в самом соку" и в 2020 приносил бы деньги ровно так же, а вот за счёт появления продукта Б теперь вон какая прибавка в деньгах. Эта логика бы работала, если б не коронавирус...

Мне ли не знать. У меня суммарный стаж работы в ВШЭ — около 9 лет. Из них половина в "научной лаборатории".

Раз уж мы об этом заговорили, по кол-ву человеческой грязи и гнили наша Академия даст фору любой госконторе, а также большим четвёркам и тройкам.

Каннибализм продуктов, кажется так это называется. Я как-то прикоснулся к запуску нового лекарственного средства на рынок, тоже нужно было объяснить, почему комбинация из трёх веществ лучше, чем три по отдельности, почему стоит дороже и все это нужно было сделать так, чтобы три по отдельности лекарства этой же конторы были актуальны и привлекательны

Да, каннибализация (хотя тут, почему-то, никто это так не называет). Может потому, что в целях стоит заменить продукт А на Б в течение 2020 года.

Ваш случай мне кажется проще, т.к. не учитывает сезонность и не нужно привязывать когорты к конкретным месяцам, делить пользователей на новых/старых. У нас она есть. Плюс вещи, типа коронавируса на с тоже влияют (к счастью, в хорошую сторону).