CommencerCommencer gratuitement

Sensibilités du taux de conversion

Pour changer un peu, nous allons passer les prochains exercices à travailler sur le taux de conversion que nous avons exploré au Chapitre 1. Vous allez examiner la valeur obtenue sous différents gains en pourcentage et estimer combien de conversions supplémentaires par jour cela générerait. Commencez par trouver le nombre moyen d’affichages du paywall et d’achats effectués par jour dans notre échantillon observé. Bonne chance !

Cet exercice fait partie du cours

Analytics client et A/B Testing en Python

Afficher le cours

Instructions

  • Fusionnez les tables paywall_views et demographics_data avec une jointure 'inner'. Cela limitera le résultat aux utilisateurs présents dans les deux tables et supprimera ceux qui n’ont pas vu de paywall, ce qui est précisément ce que nous voulons ici.
  • Regroupez purchase_data par 'date'. Le résultat sera ensuite agrégé pour vous en faisant la somme du champ purchase pour obtenir le nombre total d’achats, et un comptage pour obtenir le nombre total d’affichages du paywall.
  • Faites la moyenne de chacun des champs sum et count obtenus afin de déterminer le nombre moyen d’achats et d’affichages du paywall par jour.
  • Les résultats correspondent à un échantillon de 0,1 % de l’ensemble de notre population pour faciliter la manipulation. Multipliez chacun de daily_purchases et daily_paywall_views par 1000 afin que notre résultat reflète l’ordre de grandeur si nous avions observé toute la population.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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)
Modifier et exécuter le code