ÎncepețiÎncepe gratuit

Analiză decizională: profitul

Bine făcut că ai transformat ratele posterioare de clic în distribuții de cost! Între timp, a fost introdusă o nouă politică a companiei. De acum înainte, obiectivul departamentului de marketing nu mai este minimizarea costurilor campaniilor – abordare care s-a dovedit ineficientă –, ci maximizarea profitului. Poți să ajustezi rezultatele în consecință, știind că venitul estimat per clic dintr-o reclamă pe mobil este $3.4, iar cel dintr-o reclamă pe desktop este $3? Pentru a calcula profitul, trebuie să calculezi venitul din toate clicurile, apoi să scazi costul corespunzător.

Tot ce ai calculat în exercițiul anterior este disponibil în spațiul tău de lucru: dicționarul ads_cost, precum și distribuțiile numărului de clicuri: clothes_num_clicks și sneakers_num_clicks.

Acest exercițiu face parte din cursul

Analiza bayesiană a datelor în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Creează un dicționar ads_profit cu patru chei: clothes_mobile, sneakers_mobile, clothes_desktop și sneakers_sneakers, fiecare conținând distribuția profitului obținut din clicurile corespunzătoare.
  • Desenează un forest plot pentru ads_proft folosind intervalul credibil de 99%.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Calculate profit distributions for each product and platform
ads_profit = {
    "clothes_mobile": ____,
    "sneakers_mobile": ____,
    "clothes_desktop": ____,
    "sneakers_desktop": ____,
}

# Draw a forest plot of ads_profit
____
plt.show()
Editează și rulează codul