I det här kapitlet går vi igenom grunderna i pandas – import av datamängder, utforskande analys och enkel visualisering.

Introduktion till pandas för marknadsföring

Importera datamängden

Undersök data

Datatyper och sammanslagning av data

Uppdatera datatypen för en kolumn

Lägga till nya kolumner

Datumkolumner

Inledande explorativ analys

Daglig marknadsföringsräckvidd per kanal

Visualisera daglig marknadsföringsräckvidd

pandas

I det här kapitlet lär du dig om vanliga marknadsföringsmått och hur du beräknar dem med pandas. Du visualiserar också dina resultat och övar på användarsegmentering.

Introduktion till vanliga marknadsföringsmått

Beräkna konverteringsgrad

Beräkna retentionsgraden

Kundsegmentering

Jämföra konverteringsgrad per språk (I)

Jämföra konverteringsgrad per språk (II)

Aggregera efter datum

Visualisera kampanjresultat (I)

Visualisera konverteringsgrad per språk

Skapa en DataFrame för daglig konverteringsgrad

Förbered data för att visualisera daglig konvertering

Visualisera daglig konverteringsgrad

Visualisera kampanjresultat (II)

Marknadsföringskanaler per åldersgrupp

Gruppera och räkna efter flera kolumner

Analysera retentionsgrader för kampanjen

Utforskande analys och sammanfattande statistik

I det här kapitlet skapar du funktioner för att automatisera vanliga marknadsföringsanalyser och undersöker varför vissa marknadsföringskanaler hade lägre konverteringsgrad än vanligt i slutet av januari.

Bygga funktioner för att automatisera analys

Bygg en konverteringsfunktion

Testa och visualisera konverteringsfunktionen

Plottningsfunktion

Sätt ihop allt

Identifiera inkonsekvenser

Konverteringsgrad för house ads

Analysera konverteringsfrekvensen för House ads

Konvertering för house ads per språk

Skapa en DataFrame för husannonser

Bekräfta felet med house ads

Åtgärda inkonsekvenser

Skapa konverteringsindex

Analysera användarpreferenser

Skapa en DataFrame baserad på index

Bedöm buggenseffekt

Konverteringsattribuering

I det här kapitlet analyserar du ett A/B-test och lär dig varför segmentering är viktigt när du tolkar testresultat.

A/B-testning för marknadsföring

Fastställa nyckeltal

Testfördelning

Jämföra konverteringsfrekvenser

Beräkning av lift och signifikanstestning

Skapa en lift-funktion

Utvärdera statistisk signifikans

A/B-testning och segmentering

Bygg en segmenteringsfunktion för A/B-test

Använd din segmenteringsfunktion

Avslutning

Personaliserat A/B-test

Marketing dataset 1

Marketing dataset 2

En av de största utmaningarna när man studerar tekniska färdigheter inom datavetenskap är att förstå hur de omsätts i verkliga arbetsuppgifter. Oavsett om du vill ta din marknadsföringsroll till nästa nivå med Python och pandas, eller vill få en bild av vad en datavetare i en marknadsföringsorganisation faktiskt gör, är den här kursen ett utmärkt val. Vi övar på att omvandla vanliga affärsfrågor till mätbara utfall – till exempel "Hur gick den här kampanjen?", "Vilken kanal genererar flest prenumeranter?", "Varför presterar en viss kanal sämre än förväntat?" – med hjälp av ett fiktivt marknadsföringsdataset baserat på data från ett prenumerationsföretag online. Kursen bygger vidare på grunderna i Python och pandas, till exempel sammanslagning och filtrering av datamängder, groupby(), korrigering av datatyper samt visualisering av resultat med matplotlib.

Intermediate Python

Bygg upp dina pandas-färdigheter och besvara marknadsfrågor genom att slå samman, skiva och visualisera!

Analysera marknadsföringskampanjer med pandas

Bygg upp dina pandas-kunskaper och besvara marknadsföringsfrågor genom att slå ihop, dela upp, visualisera och mer!

Marknadsanalys i Python

Fastställa nyckeltal

Analysera marknadsföringskampanjer med pandas

Interaktiv övning med praktiskt arbete