НачатьНачать бесплатно

Анализ решений: прибыль

Отличная работа — вы успешно преобразовали апостериорные показатели кликов в распределения затрат! Тем временем в компании появилась новая политика. Отныне цель маркетингового отдела — не минимизация затрат на кампании (что оказалось малоэффективным), а максимизация прибыли. Скорректируйте свои результаты с учётом того, что ожидаемый доход от одного клика по мобильной рекламе составляет $3.4, а по рекламе на компьютере — $3. Чтобы рассчитать прибыль, нужно вычислить доход от всех кликов, а затем вычесть из него соответствующие затраты.

Всё, что вы рассчитали в предыдущем упражнении, доступно в вашем рабочем пространстве: словарь ads_cost, а также распределения количества кликов: clothes_num_clicks и sneakers_num_clicks.

Это упражнение является частью курса

Байесовский анализ данных на Python

Посмотреть курс

Инструкции к упражнению

  • Создайте словарь ads_profit с четырьмя ключами: clothes_mobile, sneakers_mobile, clothes_desktop и sneakers_sneakers — каждый из которых содержит распределение прибыли для соответствующих кликов.
  • Постройте forest plot для ads_proft, используя достоверный интервал 99%.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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()
Редактировать и запускать код