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

Introduzione a pandas per il marketing

Importare l'insieme di dati

Esaminare i dati

Tipi di dati e unione dei dati

Aggiornare il tipo di dato di una colonna

Aggiungere nuove colonne

Colonne data

Analisi esplorativa iniziale

Copertura marketing giornaliera per canale

Visualizzare la copertura marketing giornaliera

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 for marketing

Determining key metrics

Test allocation

Comparing conversion rates

Calculating lift & significance testing

Creating a lift function

Evaluating statistical significance

A/B testing & segmentation

Building an A/B test segmenting function

Using your segmentation function

Wrap-up

Personalization A/B Test

Marketing dataset 1

Marketing dataset 2

Una delle sfide più grandi quando si studiano le competenze tecniche della data science è capire come queste si traducano nel lavoro reale. Che tu voglia fare un salto di qualità nel tuo ruolo marketing integrando Python e pandas, o che voglia farti un’idea dei compiti tipici di un data scientist in un team marketing, questo corso fa per te. Metteremo in pratica come trasformare domande di business comuni in risultati misurabili, tra cui "Come ha performato questa campagna?", "Quale canale porta più iscritti?", "Perché un determinato canale sta sottoperformando?" e altro ancora, usando un insieme di dati fittizio basato sui dati di un business di abbonamenti online. Il corso si basa sui fondamenti di Python e pandas, come unire/suddividere insiemi di dati, groupby(), correggere i tipi di dato e visualizzare i risultati con matplotlib.

Intermediate Python

Migliora le tue abilità con pandas e rispondi a domande di marketing unendo, tagliando, visualizzando!

Analizzare campagne di marketing con pandas

Migliora le tue abilità con i panda e rispondi alle domande di marketing unendo, suddividendo, visualizzando e molto altro ancora!

Analisi di marketing in Python

Importare l'insieme di dati

Analizzare campagne di marketing con pandas

Istruzioni dell'esercizio

Esercizio pratico interattivo