LoslegenKostenlos loslegen

Sensitivitäten der Conversion-Rate

Zur Abwechslung arbeiten wir in den nächsten Übungen mit der Conversion-Rate, die wir in Kapitel 1 untersucht haben. Konkret schaust du dir an, wie sich dieser Wert unter verschiedenen prozentualen Lifts verändert und wie viele zusätzliche Conversions pro Tag diese Änderung bedeuten würde. Zuerst ermittelst du die durchschnittliche Anzahl an Paywall-Views und Käufen pro Tag in unserer beobachteten Stichprobe. Viel Erfolg!

Diese Übung ist Teil des Kurses

Customer Analytics und A/B-Testing mit Python

Kurs anzeigen

Anleitung zur Übung

  • Führe paywall_views mit der Tabelle demographics_data per 'inner' Join zusammen. Dadurch enthält das Ergebnis nur Nutzer, die in beiden vorkommen, und entfernt alle, die keine Paywall gesehen haben – genau das wollen wir hier.
  • Gruppiére purchase_data nach 'date'. Das Ergebnis wird anschließend für dich aggregiert: Summiere über das Feld purchase, um die Gesamtzahl der Käufe zu erhalten, und zähle darüber, um die Gesamtzahl der Paywall-Views zu bestimmen.
  • Bilde den Durchschnitt der resultierenden Felder sum und count, um die durchschnittliche Anzahl an Käufen und Paywall-Views pro Tag zu finden.
  • Die Ergebnisse stammen aus einer 0,1-%-Stichprobe unserer Gesamtpopulation zur leichteren Handhabung. Multipliziere daher daily_purchases und daily_paywall_views jeweils mit 1000, damit unser Ergebnis die Größenordnung widerspiegelt, wenn wir die gesamte Population beobachtet hätten.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Merge and group the datasets
purchase_data = demographics_data.merge(paywall_views,  how='____', on=['uid'])
purchase_data.date = purchase_data.date.dt.floor('d')

# Group and aggregate our combined dataset 
daily_purchase_data = purchase_data.groupby(by=['____'], as_index=False)
daily_purchase_data = daily_purchase_data.agg({'purchase': ['sum', 'count']})

# Find the mean of each field and then multiply by 1000 to scale the result
daily_purchases = daily_purchase_data.purchase['sum'].____()
daily_paywall_views = daily_purchase_data.purchase['count'].____()
daily_purchases = daily_purchases * ____
daily_paywall_views = daily_paywall_views * ____

print(daily_purchases)
print(daily_paywall_views)
Code bearbeiten und ausführen