Analyser le taux de conversion des annonces internes

Maintenant que vous avez confirmé que la conversion des annonces internes est en baisse depuis le 11 janvier, vous allez tenter d'en cerner les causes possibles.

Comme scientifique des données qui soutient une équipe de marketing, vous croiserez souvent des indicateurs qui fluctuent. Il est essentiel de déterminer si ces variations s'expliquent par des changements attendus du comportement des utilisateurs (p. ex., des différences selon le jour de la semaine) ou si elles révèlent un problème plus important lié à l'implantation technique ou à la stratégie marketing.

Dans cet exercice, nous allons d'abord vérifier si les utilisateurs convertissent davantage la fin de semaine que les jours de semaine, et voir si cela pourrait expliquer l'évolution du taux de conversion des annonces internes.

Cette activité fait partie du cours

Analyser des campagnes marketing avec pandas

Voir le cours

Instructions de l’exercice

Ajoutez une colonne du jour de la semaine au DataFrame marketing à l'aide de dt.dayofweek, en vous basant sur la colonne 'date_served'.
Utilisez conversion_rate pour calculer la conversion selon le jour de la semaine et le canal marketing, puis enregistrez les résultats dans DoW_conversion.
Créez un graphique linéaire des résultats, faites débuter l'axe des y à 0 et affichez le graphique.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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')
____
____

Modifier et exécuter le code