1. 学ぶ
  2. /
  3. コース
  4. /
  5. Python으로 배우는 Bayesian 데이터 분석

Connected

演習

의사결정 분석: 이익

사후 클릭률을 비용 분포로 잘 변환하셨어요! 그사이 새로운 사내 정책이 발표되었습니다. 이제부터 마케팅 부서의 목표는, 그다지 효과적이지 않았던 캠페인 비용 최소화가 아니라 이익 최대화입니다. 모바일 광고의 클릭당 기대 수익이 $3.4이고 데스크톱 광고의 클릭당 기대 수익이 $3라는 것을 알고 있을 때, 이에 맞게 결과를 조정해 보시겠어요? 이익을 계산하려면, 전체 클릭에서 발생한 수익을 계산한 다음 그에 해당하는 비용을 빼면 됩니다.

이전 연습 문제에서 계산하신 모든 값은 작업공간에 준비되어 있어요. ads_cost 딕셔너리와 클릭 수 분포인 clothes_num_clicks, sneakers_num_clicks가 제공됩니다.

指示

100 XP
  • 네 개의 키 clothes_mobile, sneakers_mobile, clothes_desktop, sneakers_sneakers를 갖는 딕셔너리 ads_profit을 만들고, 각 키에는 해당 클릭에서의 이익 분포를 저장하세요.
  • 99% 신뢰구간을 사용해 ads_proft의 포리스트 플롯을 그리세요.