Začněte nyníZačněte zdarma

Rozhodovací analýza: zisk

Skvělá práce – úspěšně jsi převedl/a posteriórní míry kliknutí na rozdělení nákladů! Mezitím byla vydána nová firemní politika. Od nynějška není cílem marketingového oddělení minimalizovat náklady na kampaně, což se ukázalo jako dost neefektivní, ale spíše maximalizovat zisk. Dokážeš podle toho upravit své výsledky? Očekávaný příjem za kliknutí z mobilní reklamy je $3.4 a z desktopové reklamy $3. Pro výpočet zisku nejprve vypočítej celkové příjmy ze všech kliknutí a od nich odečti odpovídající náklady.

Vše, co jsi vypočítal/a v předchozím cvičení, máš k dispozici v pracovním prostředí: slovník ads_cost i rozdělení počtů kliknutí: clothes_num_clicks a sneakers_num_clicks.

Toto cvičení je součástí kurzu

Bayesian Data Analysis in Python

Zobrazit kurz

Pokyny k cvičení

  • Vytvoř slovník ads_profit se čtyřmi klíči: clothes_mobile, sneakers_mobile, clothes_desktop a sneakers_sneakers, kde každý obsahuje rozdělení zisku z odpovídajících kliknutí.
  • Vykresli forest plot pro ads_proft s použitím věrohodnostního intervalu 99 %.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Calculate profit distributions for each product and platform
ads_profit = {
    "clothes_mobile": ____,
    "sneakers_mobile": ____,
    "clothes_desktop": ____,
    "sneakers_desktop": ____,
}

# Draw a forest plot of ads_profit
____
plt.show()
Upravit a spustit kód