ПочатиПочніть безкоштовно

Аналіз рішень: прибуток

Чудова робота з перетворення апостеріорних частот кліків на розподіли витрат! Тим часом з'явилася нова політика компанії. Відтепер мета відділу маркетингу — не мінімізувати витрати кампаній, що виявилося малоефективним, а максимізувати прибуток. Чи можете ви скоригувати свої висновки відповідно, знаючи, що очікуваний дохід з одного кліку для мобільної реклами становить $3.4, а для десктопної — $3? Щоб обчислити прибуток, потрібно визначити дохід від усіх кліків, а потім відняти з нього відповідні витрати.

Усе, що ви обчислили у попередній вправі, доступне у вашому робочому середовищі: словник ads_cost, а також розподіли кількості кліків: clothes_num_clicks і sneakers_num_clicks.

Ця вправа є частиною курсу

Баєсівський аналіз даних у Python

Переглянути курс

Інструкції до вправи

  • Створіть словник ads_profit із чотирма ключами: clothes_mobile, sneakers_mobile, clothes_desktop та sneakers_sneakers, кожен має містити розподіл прибутку від відповідних кліків.
  • Побудуйте forest plot для ads_proft, використовуючи довірчий інтервал 99%.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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()
Редагувати та запускати код