DataFrame für tägliche Conversion-Rate erstellen

Um Trends über die Zeit zu verstehen, erstellst du ein neues DataFrame, das die tägliche Conversion-Rate enthält. Du gehst dabei im Wesentlichen genauso vor wie zuvor bei der Berechnung der gesamten Conversion-Rate, gruppierst diesmal aber zusätzlich nach dem Datum, an dem ein Nutzer abonniert hat.

Die Betrachtung der täglichen Conversion-Rate ist entscheidend, um einordnen zu können, ob die Conversion-Rate an einem bestimmten Tag gut oder schlecht war. Außerdem hilft die Betrachtung der Conversion-Rate im Zeitverlauf, Trends sichtbar zu machen, etwa eine Conversion-Rate, die im Laufe der Zeit zu sinken scheint. Solche Trends solltest du für deine Marketing-Stakeholder so früh wie möglich identifizieren.

Diese Übung ist Teil des Kurses

Marketingkampagnen mit pandas analysieren

Kurs anzeigen

Anleitung zur Übung

Gruppiere marketing nach 'date_served' und berechne die Anzahl eindeutiger User-IDs.
Wähle nur die Zeilen in marketing aus, bei denen converted True ist. Gruppiere das Ergebnis nach 'date_served' und berechne die Anzahl eindeutiger User-IDs.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Group by date_served and count unique users
total = marketing.____(['____'])['____']\
                     .____()

# Group by date_served and calculate subscribers
subscribers = marketing[____['____'] == ____]\
                         .____(['____'])\
                         ['____'].____()

# Calculate the conversion rate for all languages
daily_conversion_rates = subscribers/total

Code bearbeiten und ausführen