Analyse der Conversion-Rate von House Ads

Nachdem du bestätigt hast, dass die Conversion über House Ads seit dem 11. Januar gesunken ist, wirst du mögliche Ursachen für den Rückgang identifizieren.

Als Data Scientist, der ein Marketingteam unterstützt, begegnest du ständig schwankenden Kennzahlen. Es ist entscheidend herauszufinden, ob die Schwankungen auf erwartete Veränderungen im Nutzerverhalten zurückgehen (z. B. Unterschiede zwischen Wochentagen) oder ob ein größeres Problem in der technischen Implementierung oder der Marketingstrategie vorliegt.

In dieser Übung prüfen wir zunächst, ob Nutzer am Wochenende eher konvertieren als unter der Woche, und ob das die Ursache für die veränderte Conversion-Rate der House Ads sein könnte.

Diese Übung ist Teil des Kurses

Marketingkampagnen mit pandas analysieren

Kurs anzeigen

Anleitung zur Übung

Füge dem DataFrame marketing eine Spalte für den Wochentag mithilfe von dt.dayofweek auf Basis der Spalte 'date_served' hinzu.
Verwende conversion_rate, um die Conversion nach Wochentag und Marketingkanal zu berechnen, und speichere die Ergebnisse in DoW_conversion.
Erstelle ein Liniendiagramm der Ergebnisse, setze die y-Achse so, dass sie bei 0 beginnt, und zeige die Grafik an.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Add day of week column to marketing
marketing['DoW_served'] = ____

# Calculate conversion rate by day of week
DoW_conversion = conversion_rate(____, ['____', '____'])


# Unstack channels
DoW_df = pd.DataFrame(DoW_conversion.unstack(level=1))

# Plot conversion rate by day of week
DoW_df____
plt.title('Conversion rate by day of week\n')
____
____

Code bearbeiten und ausführen