In diesem Kapitel wiederholst du die Grundlagen von pandas, darunter das Importieren von Datensätzen, explorative Analysen und einfaches Plotten.

Einstieg in pandas für Marketing

Den Datensatz importieren

Daten prüfen

Datentypen und das Zusammenführen von Daten

Den Datentyp einer Spalte aktualisieren

Neue Spalten hinzufügen

Datums-Spalten

Erste explorative Analyse

Tägliche Marketing-Reichweite nach Kanal

Tägliche Marketing-Reichweite visualisieren

pandas

In diesem Kapitel lernst du gängige Marketing-Kennzahlen kennen und wie du sie mit pandas berechnest. Außerdem visualisierst du deine Ergebnisse und übst Nutzersegmentierung.

Einführung in gängige Marketing-Kennzahlen

Conversion-Rate berechnen

Retention Rate berechnen

Kundensegmentierung

Vergleich der Conversion-Rate nach Sprache (I)

Vergleich der Conversion-Rate nach Sprache (II)

Nach Datum aggregieren

Kampagnenergebnisse visualisieren (I)

Conversion-Rate nach Sprache visualisieren

DataFrame für tägliche Conversion-Rate erstellen

Daten vorbereiten, um die tägliche Conversion zu visualisieren

Tägliche Conversion-Rate visualisieren

Kampagnenergebnisse visualisieren (II)

Marketingkanäle nach Altersgruppen

Gruppieren und Zählen über mehrere Spalten

Analyse der Retentionsraten für die Kampagne

Explorative Analyse & Kennzahlen

In diesem Kapitel erstellst du Funktionen zur Automatisierung gängiger Marketinganalysen und findest heraus, warum bestimmte Marketingkanäle Ende Januar niedrigere Conversion-Raten als üblich hatten.

Funktionen bauen, um Analysen zu automatisieren

Eine Conversion-Funktion bauen

Konversionsfunktion testen und visualisieren

Plot-Funktion

Alles zusammenführen

Unstimmigkeiten erkennen

Conversion-Rate der House Ads

Analyse der Conversion-Rate von House Ads

Conversion von House Ads nach Sprache

Ein DataFrame für House Ads erstellen

Hausanzeigen-Fehler bestätigen

Inkonsistenzen beheben

Conversion-Indizes einrichten

Nutzerpräferenzen analysieren

Ein DataFrame auf Basis von Indizes erstellen

Auswirkung des Bugs beurteilen

Conversion-Attribution

In diesem Kapitel analysierst du einen A/B-Test und lernst, warum Segmentierung bei der Interpretation der Testergebnisse so wichtig ist.

A/B-Tests im Marketing

Schlüsselmessgrößen festlegen

Testzuordnung

Conversion-Rates vergleichen

Lift berechnen & Signifikanz testen

Eine Lift-Funktion erstellen

Statistische Signifikanz bewerten

A/B-Tests & Segmentierung

Eine segmentierende A/B-Test-Funktion bauen

Verwende deine Segmentierungsfunktion

Abschluss

Personalisierungs-A/B-Test

Marketing dataset 1

Marketing dataset 2

Eine der größten Herausforderungen beim Erlernen technischer Data-Science-Skills ist zu verstehen, wie sich diese Fähigkeiten auf echte Jobs übertragen. Egal, ob du in deinem Marketingjob mit Python und pandas durchstarten willst oder verstehen möchtest, welche Aufgaben Data Scientists in Marketing-Teams übernehmen: Dieser Kurs passt perfekt. Wir übersetzen typische Business-Fragen in messbare Ergebnisse, darunter „Wie hat diese Kampagne performt?“, „Welcher Kanal bringt die meisten Abonnent:innen?“ und „Warum liefert ein bestimmter Kanal unterdurchschnittliche Ergebnisse?“ – und mehr. Dafür nutzen wir einen fiktiven Marketing-Datensatz, der auf den Daten eines Online-Abonnement-Geschäfts basiert. Der Kurs baut auf Python- und pandas-Grundlagen auf, z. B. das Zusammenführen/Teilen von Datensätzen, groupby(), das Korrigieren von Datentypen und das Visualisieren von Ergebnissen mit matplotlib.

Intermediate Python

Verbessere deine Pandas-Fähigkeiten und beantworte Marketingfragen durch Zusammenführen und Visualisieren!

Marketingkampagnen mit pandas analysieren

In diesem Kurs machst du dich mit pandas im Marketing vertraut, indem du Daten zusammenführst, aufteilst, visualisierst und mehr!

Marketing-Analytik in Python

Schlüsselmessgrößen festlegen

Marketingkampagnen mit pandas analysieren

Interaktive Übung