Conversieratio van House ads analyseren
Nu je hebt bevestigd dat de conversie van house ads sinds 11 januari is gedaald, ga je mogelijke oorzaken voor die daling onderzoeken.
Als data scientist die een marketingteam ondersteunt, kom je voortdurend schommelende statistieken tegen. Het is cruciaal om te bepalen of die schommelingen komen door verwachte veranderingen in gebruikersgedrag (bijv. verschillen per dag van de week) of dat er een groter probleem speelt in de technische implementatie of marketingstrategie.
In deze oefening beginnen we met controleren of gebruikers in het weekend eerder converteren dan doordeweeks en bepalen we of dat de oorzaak kan zijn van de veranderende conversieratio van house ads.
Deze oefening maakt deel uit van de cursus
Marketingcampagnes analyseren met pandas
Oefeninstructies
- Voeg een kolom voor dag van de week toe aan de
marketing-DataFrame metdt.dayofweekop basis van de kolom'date_served'. - Gebruik
conversion_rateom de conversie per dag van de week en marketingkanaal te berekenen en sla de resultaten op inDoW_conversion. - Maak een lijngrafiek van de resultaten, laat de y-as beginnen bij
0en toon de grafiek.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# 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')
____
____