Tworzenie DataFrame z dziennym współczynnikiem konwersji

Aby zrozumieć trendy w czasie, stworzysz nowy DataFrame zawierający dzienny współczynnik konwersji. Wykonasz praktycznie te same kroki co wcześniej przy obliczaniu ogólnego współczynnika konwersji – tym razem grupując dane również według daty subskrypcji użytkownika.

Analiza dziennego współczynnika konwersji jest niezbędna, by ocenić, czy wynik z danego dnia był dobry czy zły. Obserwowanie tego wskaźnika w czasie pozwala też wykrywać trendy – na przykład stopniowy spadek współczynnika konwersji. Jak najwcześniejsze identyfikowanie takich trendów jest kluczowe dla interesariuszy w obszarze marketingu.

To ćwiczenie jest częścią kursu

Analiza kampanii marketingowych z pandas

Zobacz kurs

Instrukcje do ćwiczenia

Pogrupuj marketing według 'date_served' i oblicz liczbę unikalnych identyfikatorów użytkowników.
Wybierz tylko te wiersze z marketing, w których converted przyjmuje wartość True. Pogrupuj wynik według 'date_served' i oblicz liczbę unikalnych identyfikatorów użytkowników.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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

Edytuj i uruchom kod