In questo capitolo ripasserai le basi di pandas, tra cui importare insiemi di dati, analisi esplorativa e grafici di base. 

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 questo capitolo scoprirai le metriche di marketing più comuni e come calcolarle con pandas. Visualizzerai anche i risultati e farai pratica con la segmentazione degli utenti. 

Introduzione alle metriche di marketing più comuni

Calcolare il tasso di conversione

Calcolare il tasso di retention

Segmentazione dei clienti

Confrontare il tasso di conversione per lingua (I)

Confrontare il tasso di conversione per lingua (II)

Aggregare per data

Rappresentare i risultati della campagna (I)

Visualizza il tasso di conversione per lingua

Creare un DataFrame con il tasso di conversione giornaliero

Preparare i dati per visualizzare la conversione giornaliera

Visualizza il tasso di conversione giornaliero

Rappresentare i risultati della campagna (II)

Canali di marketing per fasce d'età

Raggruppare e contare per più colonne

Analizzare i tassi di retention della campagna

Analisi esplorativa e statistiche descrittive

In questo capitolo creerai funzioni per automatizzare analisi di marketing ricorrenti e capirai perché alcuni canali di marketing hanno avuto tassi di conversione più bassi del solito a fine gennaio. 

Creare funzioni per automatizzare l’analisi

Creare una funzione per la conversione

Testare e visualizzare la funzione di conversione

Funzione di plotting

Mettere tutto insieme

Identificare le incoerenze

Tasso di conversione delle house ads

Analizzare il tasso di conversione degli house ads

Conversione delle house ads per lingua

Creare un DataFrame per le house ads

Confermare l'errore delle house ads

Risoluzione delle incongruenze

Impostare gli indici di conversione

Analizzare le preferenze degli utenti

Creare un DataFrame basato sugli indici

Valutare l'impatto del bug

Attribuzione delle conversioni

In questo capitolo analizzerai un test A/B e imparerai l’importanza della segmentazione nell’interpretazione dei risultati di un test.  

A/B test per il marketing

Definire le metriche chiave

Allocazione del test

Confrontare i tassi di conversione

Calcolare il lift e testare la significatività

Creare una funzione per il lift

Valutare la significatività statistica

A/B test e segmentazione

Creare una funzione di segmentazione per A/B test

Usare la tua funzione di segmentazione

Riepilogo

Test A/B di personalizzazione

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

Definire le metriche chiave

Analizzare campagne di marketing con pandas

esercizio interattivo pratico