일별 전환율 DataFrame 생성
시간에 따른 추세를 파악하기 위해, 매일의 전환율을 포함한 새로운 DataFrame을 만들어 볼 거예요. 전체 전환율을 계산했을 때와 거의 같은 절차를 따르되, 이번에는 사용자가 구독한 날짜로도 그룹화합니다.
일별 전환율을 살펴보면 특정 날짜의 전환율이 높은지 낮은지 맥락을 파악하는 데 중요해요. 또한 전환율을 시간 경과에 따라 보면, 전환율이 점점 하락하는 등 추세를 발견하는 데 도움이 됩니다. 이런 추세는 마케팅 이해관계자에게 가능한 한 조기에 알려야 하므로 매우 중요합니다.
이 연습은 강의의 일부입니다
pandas로 마케팅 캠페인 분석하기
연습 안내
marketing을'date_served'로 그룹화하고 고유한 사용자 ID 수를 계산하세요.converted가True인marketing의 행만 선택하세요. 그 결과를'date_served'로 그룹화하고 고유한 사용자 ID 수를 계산하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Group by date_served and count unique users
total = marketing.____(['____'])['____']\
.____()
# Group by date_served and calculate subscribers
subscribers = marketing[____['____'] == ____]\
.____(['____'])\
['____'].____()
# Calculate the conversion rate for all languages
daily_conversion_rates = subscribers/total