In this chapter, you will review pandas basics including importing datasets, exploratory analysis, and basic plotting. 

Introduction to pandas for marketing

Importing the dataset

Examining the data

Data types and data merging

Updating the data type of a column

Adding new columns

Date columns

Initial exploratory analysis

Daily marketing reach by channel

Visualizing daily marketing reach

Pandas

In this chapter, you will learn about common marketing metrics and how to calculate them using pandas. You will also visualize your results and practice user segmentation. 

Introduction to common marketing metrics

Calculating conversion rate

Calculating retention rate

Customer segmentation

Comparing language conversion rate (I)

Comparing language conversion rate (II)

Aggregating by date

Plotting campaign results (I)

Visualize conversion rate by language

Creating daily conversion rate DataFrame

Setting up our data to visualize daily conversion

Visualize daily conversion rate

Plotting campaign results (II)

Marketing channels across age groups

Grouping and counting by multiple columns

Analyzing retention rates for the campaign

Exploratory Analysis & Summary Statistics

In this chapter, you will build functions to automate common marketing analysis and determine why certain marketing channels saw lower than usual conversion rates during late January. 

Building functions to automate analysis

Building a conversion function

Test and visualize conversion function

Plotting function

Putting it all together

Identifying inconsistencies

House ads conversion rate

Analyzing House ads conversion rate

House ads conversion by language

Creating a DataFrame for house ads

Confirming house ads error

Resolving inconsistencies

Setting up conversion indexes

Analyzing user preferences

Creating a DataFrame based on indexes

Assessing bug impact

Conversion Attribution

In this chapter, you will analyze an A/B test and learn about the importance of segmentation when interpreting the results of a test.  

Pazarlama için A/B testi

Temel metrikleri belirleme

Test tahsisi

Dönüşüm oranlarını karşılaştırma

Lift hesaplama ve anlamlılık testi

Lift fonksiyonu oluşturma

İstatistiksel anlamlılığı değerlendirme

A/B testi ve segmentasyon

Segmentasyon yapan bir A/B test fonksiyonu oluşturma

Segmentasyon fonksiyonunu kullanma

Kapanış

Personalization A/B Test

Marketing dataset 1

Marketing dataset 2

Veri bilimi teknik becerilerini öğrenirken karşılaşılan en büyük zorluklardan biri, bu beceri ve kavramların gerçek işlerde nasıl kullanıldığını görmektir. İster Python ve pandas’ı işine katarak pazarlama alanında kendini geliştirmek iste, ister bir pazarlama organizasyonunda bir veri bilimcisinin ne tür işler yaptığını anlamaya çalış, bu kurs tam sana göre. Gerçek bir çevrimiçi abonelik işletmesinin verilerine dayanan sahte bir pazarlama veri kümesini kullanarak, sık karşılaşılan iş sorularını ölçülebilir sonuçlara dönüştürmeyi pratiğe dökeceğiz. "Bu kampanya nasıl performans gösterdi?", "En çok aboneyi hangi kanal getiriyor?", "Belirli bir kanal neden beklenenden düşük performans gösteriyor?" gibi soruları yanıtlayacağız. Bu kurs; veri kümelerini birleştirme/dilimleme, groupby(), veri türlerini düzeltme ve matplotlib ile sonuçları görselleştirme gibi Python ve pandas temelleri üzerine inşa edilmiştir.

Intermediate Python

Pandas becerilerinizi geliştirin ve pazarlama sorularını birleştirerek, dilimleyerek, görselleştirerek yanıtlayın!

pandas ile Pazarlama Kampanyalarını Analiz Etme

Panda becerilerinizi geliştirin ve birleştirme, dilimleme, görselleştirme ve daha fazlasını yaparak pazarlama sorularını yanıtlayın!

Pazarlama Analitiği Python'da

Temel metrikleri belirleme

pandas ile Pazarlama Kampanyalarını Analiz Etme

Uygulamalı interaktif egzersiz