Kom igångKom igång gratis

Beslutsanalys: vinst

Bra jobbat med att omvandla de posteriora klickandelarna till kostnadsdistributioner! Under tiden har en ny företagspolicy trätt i kraft. Marknadsavdelningens mål är nu inte längre att minimera kampanjkostnaderna – vilket visade sig vara ineffektivt – utan att maximera vinsten. Kan du justera dina resultat utifrån detta, med vetskapen om att den förväntade intäkten per klick från en mobilannons är $3.4 och från en datorannons är $3? För att beräkna vinsten behöver du räkna ut intäkten från alla klick och sedan subtrahera motsvarande kostnad.

Allt du beräknade i den föregående övningen finns tillgängligt i din arbetsyta: ordlistan ads_cost samt distributionerna för antalet klick: clothes_num_clicks och sneakers_num_clicks.

Den här övningen är en del av kursen

Bayesiansk dataanalys i Python

Visa kurs

Övningsinstruktioner

  • Skapa en ordlista ads_profit med fyra nycklar: clothes_mobile, sneakers_mobile, clothes_desktop och sneakers_sneakers, där var och en innehåller vinstdistributionen från motsvarande klick.
  • Rita ett skogsdiagram över ads_proft med ett kredibelt intervall på 99 %.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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()
Redigera och kör kod