शुरू करेंमुफ़्त में शुरू करें

Decision analysis: प्रॉफिट

पोस्टेरियर क्लिक रेट्स को कॉस्ट डिस्ट्रीब्यूशन्स में बदलने का काम आपने बढ़िया किया! इसी बीच एक नई कंपनी पॉलिसी आई है। अब से मार्केटिंग डिपार्टमेंट का लक्ष्य कैंपेन की कॉस्ट को मिनिमाइज़ करना नहीं होगा, जो खास प्रभावी नहीं था, बल्कि प्रॉफिट को मैक्सिमाइज़ करना होगा। क्या आप अपने निष्कर्षों को उसी अनुसार एडजस्ट कर सकते हैं? आपको पता है कि मोबाइल ऐड से प्रति क्लिक अपेक्षित राजस्व $3.4 है, और डेस्कटॉप ऐड से $3 है। प्रॉफिट निकालने के लिए, सभी क्लिक्स से होने वाला राजस्व निकालिए, फिर उसमें से संबंधित कॉस्ट घटा दीजिए.

पिछले अभ्यास में जो भी आपने निकाला था, वह आपके वर्कस्पेस में उपलब्ध है: ads_cost डिक्शनरी के साथ-साथ क्लिक डिस्ट्रीब्यूशन्स की संख्या: clothes_num_clicks और sneakers_num_clicks.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Bayesian डेटा विश्लेषण

पाठ्यक्रम देखें

अभ्यास निर्देश

  • एक डिक्शनरी ads_profit बनाएँ जिसमें चार कीज हों: clothes_mobile, sneakers_mobile, clothes_desktop, और sneakers_sneakers, जिनमें से प्रत्येक में संबंधित क्लिक्स से प्राप्त प्रॉफिट डिस्ट्रीब्यूशन हो.
  • ads_proft का एक फॉरेस्ट प्लॉट बनाइए, 99% के credible interval के साथ.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Calculate profit distributions for each product and platform
ads_profit = {
    "clothes_mobile": ____,
    "sneakers_mobile": ____,
    "clothes_desktop": ____,
    "sneakers_desktop": ____,
}

# Draw a forest plot of ads_profit
____
plt.show()
कोड संपादित करें और चलाएँ