In this chapter, you will review pandas basics including importing datasets, exploratory analysis, and basic plotting. 

Introduction to pandas for marketing

Importing the dataset

Examining the data

Data types and data merging

Updating the data type of a column

Adding new columns

Date columns

Initial exploratory analysis

Daily marketing reach by channel

Visualizing daily marketing reach

Pandas

In this chapter, you will learn about common marketing metrics and how to calculate them using pandas. You will also visualize your results and practice user segmentation. 

Introduction to common marketing metrics

Calculating conversion rate

Calculating retention rate

Customer segmentation

Comparing language conversion rate (I)

Comparing language conversion rate (II)

Aggregating by date

Plotting campaign results (I)

Visualize conversion rate by language

Creating daily conversion rate DataFrame

Setting up our data to visualize daily conversion

Visualize daily conversion rate

Plotting campaign results (II)

Marketing channels across age groups

Grouping and counting by multiple columns

Analyzing retention rates for the campaign

Exploratory Analysis & Summary Statistics

In this chapter, you will build functions to automate common marketing analysis and determine why certain marketing channels saw lower than usual conversion rates during late January. 

Building functions to automate analysis

Building a conversion function

Test and visualize conversion function

Plotting function

Putting it all together

Identifying inconsistencies

House ads conversion rate

Analyzing House ads conversion rate

House ads conversion by language

Creating a DataFrame for house ads

Confirming house ads error

Resolving inconsistencies

Setting up conversion indexes

Analyzing user preferences

Creating a DataFrame based on indexes

Assessing bug impact

Conversion Attribution

In this chapter, you will analyze an A/B test and learn about the importance of segmentation when interpreting the results of a test.  

A/B testing untuk pemasaran

Menentukan metrik utama

Alokasi pengujian

Membandingkan tingkat konversi

Menghitung lift & uji signifikansi

Membuat fungsi lift

Mengevaluasi signifikansi statistik

A/B testing & segmentasi

Membangun fungsi segmentasi A/B test

Menggunakan fungsi segmentasi Anda

Penutup

Personalization A/B Test

Marketing dataset 1

Marketing dataset 2

Salah satu tantangan terbesar saat mempelajari keterampilan teknis data science adalah memahami bagaimana keterampilan dan konsep tersebut diterapkan dalam pekerjaan nyata. Baik Anda ingin meningkatkan peran Anda di bidang pemasaran dengan menggabungkan Python dan pandas, maupun ingin memahami jenis pekerjaan yang dilakukan data scientist di organisasi pemasaran, kursus ini sangat sesuai untuk Anda. Kita akan berlatih menerjemahkan pertanyaan bisnis umum menjadi hasil yang terukur, termasuk "Bagaimana kinerja kampanye ini?", "Saluran mana yang merujuk pelanggan berlangganan terbanyak?", "Mengapa saluran tertentu berkinerja buruk?" dan lainnya menggunakan himpunan data pemasaran fiktif yang didasarkan pada data bisnis langganan daring. Kursus ini akan membangun dasar-dasar Python dan pandas, seperti menggabungkan/memotong himpunan data, groupby(), memperbaiki tipe data, serta memvisualisasikan hasil menggunakan matplotlib.

Intermediate Python

Tingkatkan keterampilan pandas Anda dan jawab pertanyaan pemasaran dengan menggabung, memotong, visualisasi!

Menganalisis Kampanye Pemasaran dengan pandas

Asah keterampilan Anda dalam mengelola data dan jawab pertanyaan pemasaran dengan menggabungkan, memotong, memvisualisasikan, dan banyak lagi!

Analisis Pemasaran dalam Python

Menentukan metrik utama

Menganalisis Kampanye Pemasaran dengan pandas

Latihan interaktif praktis