Analizzare il tasso di conversione degli house ads
Ora che hai confermato che la conversione degli house ads è diminuita dall'11 gennaio, proverai a individuare le possibili cause del calo.
Come data scientist a supporto di un team marketing, ti capiterà spesso di vedere metriche che oscillano. È fondamentale capire se le fluttuazioni dipendono da normali variazioni nel comportamento degli utenti (ad esempio differenze tra i giorni della settimana) oppure da un problema più ampio nell'implementazione tecnica o nella strategia di marketing.
In questo esercizio inizieremo verificando se gli utenti hanno più probabilità di convertire nel weekend rispetto ai giorni feriali e se questo possa spiegare il cambiamento nel tasso di conversione degli house ads.
Questo esercizio fa parte del corso
Analizzare campagne di marketing con pandas
Istruzioni dell'esercizio
- Aggiungi una colonna con il giorno della settimana al DataFrame
marketingusandodt.dayofweeksulla colonna'date_served'. - Usa
conversion_rateper calcolare la conversione per giorno della settimana e canale di marketing e salva i risultati inDoW_conversion. - Crea un grafico a linee dei risultati, imposta l'asse y a partire da
0e visualizza il grafico.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Add day of week column to marketing
marketing['DoW_served'] = ____
# Calculate conversion rate by day of week
DoW_conversion = conversion_rate(____, ['____', '____'])
# Unstack channels
DoW_df = pd.DataFrame(DoW_conversion.unstack(level=1))
# Plot conversion rate by day of week
DoW_df____
plt.title('Conversion rate by day of week\n')
____
____