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

Introduction to pandas for marketing

Importing the dataset

Examining the data

Data types and data merging

Updating the data type of a column

Adding new columns

Date columns

Initial exploratory analysis

Daily marketing reach by channel

Visualizing daily marketing reach

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-testen voor marketing

Kernstatistieken bepalen

Testallocatie

Conversiepercentages vergelijken

Lift berekenen & significantie testen

Een lift-functie maken

Statistische significantie beoordelen

A/B-testen & segmentatie

Een functie bouwen voor A/B-testsegmentatie

Je segmentatiefunctie gebruiken

Afronding

Personalization A/B Test

Marketing dataset 1

Marketing dataset 2

Een van de grootste uitdagingen bij het leren van data science-vaardigheden is begrijpen hoe die skills en concepten zich vertalen naar echte banen. Of je nu wilt doorgroeien in je marketingrol door Python en pandas te gebruiken, of wilt begrijpen wat voor werk een data scientist binnen een marketingteam doet, deze cursus past goed bij je. We oefenen met het vertalen van veelvoorkomende bedrijfsvragen naar meetbare uitkomsten, zoals "Hoe presteerde deze campagne?", "Via welk kanaal komen de meeste abonnees binnen?", "Waarom presteert een bepaald kanaal ondermaats?" en meer, met een fictieve marketinggegevensset gebaseerd op data van een online abonnementsdienst. Deze cursus bouwt voort op de basis van Python en pandas, zoals het samenvoegen/slicen van gegevenssets, groupby(), datatypen corrigeren en resultaten visualiseren met matplotlib.

Intermediate Python

Verbeter je pandas-vaardigheden en beantwoord marketingvragen door te combineren, snijden en visualiseren!

Marketingcampagnes analyseren met pandas

Werk aan je panda-vaardigheden en beantwoord marketingvragen door samen te voegen, te splitsen, te visualiseren en nog veel meer!

Marketinganalyse in Python

Kernstatistieken bepalen

Marketingcampagnes analyseren met pandas

Interactieve oefening met praktijkervaring