Mendefinisikan KPI yang bermakna

Identifikasi mana dari berikut ini yang bukan merupakan KPI bermakna bagi food truck kecil yang ingin mengoptimalkan bisnisnya.

Latihan ini merupakan bagian dari kursus

Analitik Pelanggan dan A/B Testing dengan Python

Lihat Kursus

Latihan interaktif langsung

Ubah teori menjadi aksi dengan salah satu latihan interaktif kami

Mulai latihan

Latihan ini merupakan bagian dari kursus

Analitik Pelanggan dan A/B Testing dengan Python

SkillTag.level.intermediateSkillTag.label

4.7+

103 reviews

Mulai Kursus Gratis

Bab ini memberikan pengantar singkat tentang materi yang akan dibahas sepanjang kursus sebelum berlanjut ke pembahasan Key Performance Indicators atau KPI. Anda akan mempelajari cara mengidentifikasi dan mendefinisikan KPI yang bermakna melalui kombinasi berpikir kritis dan pemanfaatan alat Python. Semua teknik ini disajikan secara sangat praktis dan mudah digeneralisasi. Pada akhirnya, topik-topik ini menjadi fondasi inti bagi pembahasan A/B testing pada bab-bab berikutnya.

Exercise 1: Pendahuluan dan ikhtisar kursus Exercise 2: Memahami komponen utama uji A/B Exercise 3: Mendefinisikan KPI yang bermakna

Latihan Saat Ini

Exercise 4: Mengidentifikasi dan memahami KPI Exercise 5: Memuat & menelaah data kita Exercise 6: Menggabungkan pada himpunan kolom yang berbeda Exercise 7: Analisis eksploratif terhadap KPI Exercise 8: Latihan agregasi Exercise 9: Pengelompokan & agregasi Exercise 10: Menghitung KPI - contoh praktis Exercise 11: Menghitung KPI Exercise 12: Rata-rata harga pembelian per kohort

Bab ini mengajarkan Anda cara memvisualisasikan, memanipulasi, dan mengeksplorasi KPI seiring perubahannya dari waktu ke waktu. Melalui berbagai contoh, Anda akan belajar bekerja dengan objek datetime untuk menghitung metrik per satuan waktu. Selanjutnya kita beralih ke teknik untuk membuat grafik berbagai segmen data, serta menerapkan berbagai fungsi smoothing untuk menyingkap tren tersembunyi. Terakhir, kita menelusuri contoh lengkap tentang cara mengidentifikasi masalah melalui analisis data eksploratori atas data pelanggan. Sepanjang bab ini berbagai fungsi diperkenalkan dan dijelaskan dengan cara yang sangat mudah digeneralisasi.

Exercise 1: Bekerja dengan data deret waktu di pandas Exercise 2: Mengurai tanggal Exercise 3: Membuat grafik deret waktu dengan Matplotlib Exercise 4: Memplot data deret waktu Exercise 5: Memutar data kita (pivot)Exercise 6: Menganalisis berbagai kohort Exercise 7: Memahami dan memvisualisasikan tren Exercise 8: Musiman dan rata-rata bergerak Exercise 9: Rata-rata rolling eksponensial & pelapisan berlebihan/kekurangan Exercise 10: Peristiwa dan rilis Exercise 11: Memvisualisasikan pengeluaran pengguna Exercise 12: Mengamati pendapatan lebih saksama

Dalam bab ini Anda akan menyelami A/B testing secara menyeluruh. Anda akan mempelajari matematika dan pengetahuan yang diperlukan untuk merancang dan merencanakan A/B test dengan baik, mulai dari menentukan unit eksperimen hingga mencari seberapa besar ukuran sampel yang dibutuhkan. Bab ini juga memperkenalkan fungsi dan kode yang diperlukan untuk menghitung berbagai besaran yang terkait dengan uji statistik jenis ini.

Exercise 1: Pengantar A/B Testing Exercise 2: Aplikasi yang tepat untuk A/B testing Exercise 3: Sifat umum dari A/B Test Exercise 4: Generalisasi A/B test Exercise 5: Desain awal uji A/B Exercise 6: Unit eksperimental: Pendapatan per hari per pengguna Exercise 7: Mempersiapkan pelaksanaan uji A/B Exercise 8: Sensitivitas tingkat konversi Exercise 9: Sensitivitas Exercise 10: Galat baku Exercise 11: Menghitung ukuran sampel Exercise 12: Menjelajahi perhitungan power Exercise 13: Menghitung ukuran sampel

Setelah menjalankan A/B test, Anda harus menganalisis data dan kemudian mengomunikasikan hasilnya secara efektif. Bab ini dimulai dengan menggabungkan teori signifikansi statistik dan interval kepercayaan dengan alat yang Anda perlukan untuk menghitungnya sendiri dari data. Selanjutnya kita membahas cara memvisualisasikan dan menyampaikan hasil ini secara efektif. Bab ini merupakan puncak dari seluruh pengetahuan yang dibangun sepanjang kursus.

Exercise 1: Menganalisis hasil uji A/B Exercise 2: Mengonfirmasi hasil pengujian kita Exercise 3: Berpikir kritis tentang p-value Exercise 4: Memahami signifikansi statistik Exercise 5: Intuisi di balik signifikansi statistik Exercise 6: Memeriksa signifikansi statistik Exercise 7: Memahami interval kepercayaan Exercise 8: Menghitung interval kepercayaan Exercise 9: Menafsirkan hasil pengujian Anda Exercise 10: Memplot distribusi Exercise 11: Memplot sebaran selisih Exercise 12: Finale