IFOOD Performance Analysis: Teste A/B e Perfil de Consumo
Análise de Teste A/B e segmentação de perfil de consumo para validação de estratégias de marketing.
Parecer Final e Insights do Case
Validação Estatística (Teste A/B)
A análise de significância resultou em um P-valor de 0,14. Como este índice é superior ao limite de segurança de 0,05, não há evidências matemáticas suficientes para afirmar que a nova campanha (B) é superior.
Status: Empate Técnico (Não Rejeita H0)
Perfil de Alta Conversão
A árvore de decomposição revelou que a variável Renda é um preditor de sucesso mais forte que a própria campanha publicitária.
- Clientes de Alta Renda convertem mais em ambos os cenários.
- Destaque para nível de escolaridade PhD no Grupo B.
Decisão Estratégica
Recomendação: Manter Campanha Controle (A).
Dado o empate técnico, o custo operacional de migração para a nova estratégia não se justifica. O foco deve ser redirecionado para refinar a segmentação demográfica dos clientes atuais.
Amostra Analisada
Conversões Validadas
Aderência ao Cálculo Amostral
01. Metodologia
Este projeto utilizou Python para limpeza e tratamento dos dados brutos (ETL), garantindo a integridade da amostra. Em seguida, o Power BI foi utilizado para a modelagem de dados e construção da narrativa visual, aplicando testes estatísticos diretamente nas medidas DAX.
02. Aviso Legal
Este é um projeto estritamente acadêmico ("Enlighten Data Story"), desenvolvido com base em um case de estudo didático. O logotipo e a marca iFood foram utilizados apenas para fins de contextualização. Não há vínculo oficial ou comercial com a empresa.
Stack Tecnológica
- Visualização: Microsoft Power BI
- Linguagens: DAX, Python
- Conceitos: Teste de Hipóteses, Estatística Descritiva.
- Status: Concluído (2026)
Gostou deste insight?
Compartilhe conhecimento com sua rede.
Tem alguma dúvida ou precisa de consultoria?
Entrar em contato