Créer un DataFrame du taux de conversion quotidien

Pour analyser les tendances dans le temps, vous allez créer un nouveau DataFrame qui inclut le taux de conversion pour chaque jour. Vous allez suivre sensiblement les mêmes étapes que précédemment lorsque vous avez calculé le taux de conversion global, en regroupant cette fois-ci par la date d’abonnement de l’utilisateur.

Observer le taux de conversion quotidien est essentiel pour déterminer si le taux d’un jour donné était bon ou mauvais dans son contexte. En outre, suivre l’évolution du taux de conversion dans le temps peut faire apparaître des tendances, par exemple un taux de conversion qui semble diminuer. Il est crucial d’identifier ce type de tendance le plus tôt possible pour vos parties prenantes marketing.

Cet exercice fait partie du cours

Analyzing Marketing Campaigns with pandas

Afficher le cours

Instructions

Regroupez marketing par 'date_served' et calculez le nombre unique d’identifiants utilisateur.
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 utilisateur.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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