Analisando a taxa de conversão de house ads

Agora que você confirmou que a conversão de house ads caiu desde 11 de janeiro, vai tentar identificar possíveis causas para a queda.

Como cientista de dados que apoia uma equipe de marketing, você vai se deparar o tempo todo com métricas que oscilam. É fundamental identificar se as oscilações são por mudanças esperadas no comportamento do usuário (por exemplo, diferenças entre os dias da semana) ou se indicam um problema maior na implementação técnica ou na estratégia de marketing.

Neste exercício, vamos começar verificando se os usuários têm mais probabilidade de converter nos fins de semana do que nos dias úteis e determinar se isso pode explicar a mudança na taxa de conversão de house ads.

Este exercício faz parte do curso

Análise de campanhas de marketing com pandas

Ver curso

Instruções do exercício

Adicione uma coluna de dia da semana ao DataFrame marketing usando dt.dayofweek com base na coluna 'date_served'.
Use conversion_rate para calcular a conversão por dia da semana e canal de marketing e armazene os resultados em DoW_conversion.
Crie um gráfico de linhas dos resultados, defina o eixo y para começar em 0 e exiba o gráfico.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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')
____
____

Editar e executar o código