1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Phân tích dữ liệu Bayesian với Python
Connected

Bài tập

Phân tích quyết định: lợi nhuận

Bạn đã làm tốt khi chuyển các tỷ lệ nhấp hậu nghiệm thành các phân phối chi phí! Trong lúc đó, một chính sách công ty mới vừa được ban hành. Từ giờ, mục tiêu của bộ phận marketing không còn là tối thiểu hóa chi phí chiến dịch nữa — cách làm này khá kém hiệu quả — mà là tối đa hóa lợi nhuận. Bạn có thể điều chỉnh kết quả của mình tương ứng không, với thông tin rằng doanh thu kỳ vọng trên mỗi lượt nhấp từ quảng cáo trên di động là $3.4, còn trên máy tính là $3? Để tính lợi nhuận, bạn cần tính tổng doanh thu từ mọi lượt nhấp, sau đó trừ đi chi phí tương ứng.

Mọi thứ bạn đã tính trong bài trước đều có sẵn trong không gian làm việc của bạn: từ điển ads_cost cũng như các phân phối số lượt nhấp: clothes_num_clicks và sneakers_num_clicks.

Hướng dẫn

100 XP
  • Tạo một từ điển ads_profit với bốn khóa: clothes_mobile, sneakers_mobile, clothes_desktop, và sneakers_sneakers, mỗi khóa chứa phân phối lợi nhuận từ các lượt nhấp tương ứng.
  • Vẽ forest plot cho ads_proft với khoảng tin cậy 99%.