Entscheidungsanalyse: Kosten
Deine Reise im Marketing geht weiter. Du hast bereits die posterioren Klickraten für Anzeigen zu Kleidung und Sneakers berechnet; sie stehen dir im Workspace als clothes_posterior bzw. sneakers_posteriors zur Verfügung. Deine Chefin interessiert sich jedoch nicht für die Verteilungen der Klickraten, sondern dafür, wie hoch die Kosten wären, wenn eine Werbekampagne an 10'000 Nutzer ausgespielt wird. Der Werbepartner des Unternehmens berechnet $2.5 pro Klick auf einem Mobilgerät und $2 auf einem Desktop-Gerät. Deine Chefin möchte die Kosten der Kampagne für jedes Produkt (Kleidung und Sneakers) auf jeder Plattform (Mobile und Desktop) wissen – also insgesamt vier Größen.
Vergleichen wir diese vier posterioren Kosten mit dem Forest-Plot aus pymc3, das bereits als pm importiert wurde.
Diese Übung ist Teil des Kurses
Bayesianische Datenanalyse in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Calculate distributions of the numbers of clicks for clothes and sneakers
clothes_num_clicks = ____
sneakers_num_clicks = ____