เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การวิเคราะห์การตัดสินใจ: กำไร

ทำได้ดีมากที่แปลงอัตราคลิก posterior ให้เป็นการกระจายของต้นทุนได้สำเร็จ! ในระหว่างนี้ มีนโยบายบริษัทใหม่ประกาศออกมา ตั้งแต่บัดนี้เป็นต้นไป เป้าหมายของฝ่ายการตลาดไม่ใช่การลดต้นทุนของแคมเปญอีกต่อไป ซึ่งไม่ค่อยได้ผลนัก แต่เป็นการเพิ่มกำไรให้สูงสุดแทน ลองปรับผลลัพธ์ที่ได้ตามนโยบายใหม่นี้ โดยทราบว่ารายได้ที่คาดหวังต่อคลิกจากโฆษณาบนมือถือคือ $3.4 และจากโฆษณาบนเดสก์ท็อปคือ $3 ในการคำนวณกำไร ให้คำนวณรายได้จากคลิกทั้งหมดก่อน แล้วจึงลบด้วยต้นทุนที่สอดคล้องกัน

ทุกอย่างที่คำนวณไว้ในแบบฝึกหัดก่อนหน้ายังคงอยู่ใน workspace ของคุณ ได้แก่ dictionary ads_cost รวมถึงการกระจายของจำนวนคลิก: clothes_num_clicks และ sneakers_num_clicks

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์ข้อมูลแบบเบย์เซียนด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้าง dictionary ชื่อ ads_profit ที่มี 4 คีย์ ได้แก่ clothes_mobile, sneakers_mobile, clothes_desktop และ sneakers_sneakers โดยแต่ละคีย์เก็บการกระจายของกำไรจากคลิกที่สอดคล้องกัน
  • วาด forest plot ของ ads_proft โดยใช้ credible interval ที่ 99%

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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()
แก้ไขและรันโค้ด