Créer un DataFrame du taux de conversion quotidien

Pour comprendre les tendances dans le temps, vous allez créer un nouveau DataFrame qui inclut le taux de conversion pour chaque jour. Vous suivrez essentiellement les mêmes étapes qu'auparavant lorsque vous avez calculé le taux de conversion global, cette fois en regroupant aussi par la date d'abonnement de l'utilisateur.

Examiner le taux de conversion quotidien est essentiel pour situer si le taux de conversion d'un jour donné était bon ou mauvais. En plus, observer le taux de conversion dans le temps peut aider à faire ressortir des tendances, comme un taux de conversion qui semble diminuer au fil du temps. Il est crucial d'identifier ce type de tendance le plus tôt possible pour vos parties prenantes en marketing.

Cette activité fait partie du cours

Analyser des campagnes marketing avec pandas

Voir le cours

Instructions de l’exercice

Regroupez marketing par 'date_served' et calculez le nombre unique d'identifiants d'utilisateurs.
Sélectionnez uniquement les lignes de marketing où converted est égal à True. Regroupez le résultat par 'date_served' et calculez le nombre unique d'identifiants d'utilisateurs.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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

Modifier et exécuter le code