在本章中，你會複習 pandas 的基礎，包括匯入資料集、探索式分析與基本繪圖。

行銷領域的 pandas 入門

匯入資料集

檢視資料

資料型別與資料合併

更新欄位的資料型別

新增欄位

日期欄位

初步探索性分析

各通路的每日行銷觸及

視覺化每日行銷觸及

Pandas

在本章中，你會學習常見的行銷指標，並用 pandas 計算它們。你也會將結果視覺化，並練習進行使用者分群。

常見行銷指標導論

計算轉換率

計算留存率

顧客分群

比較不同語言的轉換率（I）

比較不同語言的轉換率（II）

依日期彙總

繪製活動成效圖表（I）

以語言別視覺化轉換率

建立每日轉換率的 DataFrame

準備資料以視覺化每日轉換

視覺化每日轉換率

繪製行銷活動結果（II）

不同年齡層的行銷管道

以多個欄位進行分組與計數

分析此活動的留存率

探索式分析與摘要統計

在本章中，你會建立函式來自動化常見的行銷分析，並找出為何某些行銷通路在 1 月下旬的轉換率異常偏低。

建立函式以自動化分析

建立轉換率函式

測試並視覺化轉換率函式

繪圖函式

整合應用

找出不一致之處

自家廣告的轉換率

分析自家廣告的轉換率

依語言查看 House ads 的轉換率

為自家廣告建立一個 DataFrame

確認自家廣告的錯誤

解決不一致問題

建立轉換率索引

分析使用者偏好

根據索引建立 DataFrame

評估錯誤的影響

轉換歸因

在本章中，你會分析一個 A/B 測試，並了解在解讀測試結果時分群的重要性。

行銷中的 A/B 測試

決定關鍵指標

測試分配

比較轉換率

計算提升幅度與顯著性檢定

建立 lift 函式

評估統計顯著性

A/B 測試與分群

建立可分群的 A/B 測試函式

使用你的分群函式

總結

個人化 A/B 測試

Marketing dataset 1

Marketing dataset 2

學習資料科學技術時，最大的挑戰之一是理解這些技能與概念如何套用到真實工作中。無論你想在行銷職位中導入 Python 與 pandas 來提升能力，或想了解行銷團隊中的資料科學家會做哪些工作，這門課都很適合你。我們會練習把常見的商業問題轉換為可量化的成果，包括「這個活動表現如何？」「哪個通路帶來最多訂閱？」「為什麼某個通路表現不佳？」等，並使用一個基於線上訂閱事業資料所建立的虛擬行銷資料集來實作。本課程將在 Python 與 pandas 的基礎上進一步練習，例如合併／切分資料集、使用 groupby()、修正資料型別，以及用 matplotlib 視覺化結果。

Intermediate Python

透過合併、切片、視覺化等方式提升你的Pandas技能並解答行銷問題！

使用 pandas 分析行銷活動

精通pandas，透過合併、切片、視覺化等技巧，快速解答行銷問題！

計算提升幅度與顯著性檢定

Create Your Free Account