本章将回顾 pandas 基础，包括导入数据集、探索性分析和基础绘图。

面向营销的 pandas 入门

导入数据集

检查数据

数据类型与数据合并

更新列的数据类型

添加新列

日期列

初步探索性分析

按渠道统计每日营销触达

可视化每日营销触达

Pandas

本章将介绍常见的营销指标，以及如何使用 pandas 计算这些指标。您还将可视化结果并练习用户细分。

常用营销指标简介

计算转化率

计算留存率

客户细分

比较不同语言的转化率（I）

比较不同语言的转化率（II）

按日期聚合

绘制活动结果（I）

按语言可视化转化率

创建按日转化率的 DataFrame

为可视化每日转化率准备数据

可视化每日转化率

绘制活动结果（II）

不同年龄段的营销渠道

按多列分组并计数

分析该营销活动的留存率

探索性分析与汇总统计

本章将构建函数以自动化常见的营销分析，并找出为何 1 月下旬某些营销渠道的转化率低于往常。

构建函数以自动化分析

构建一个转化率函数

测试并可视化转化率函数

绘图函数

把一切串起来

识别不一致之处

自有广告的转化率

分析 House ads 的转化率

按语言划分的 House ads 转化率

为自有广告创建一个 DataFrame

确认自家广告的错误

解决不一致性

设置转化率基准索引

分析用户偏好

基于索引创建 DataFrame

评估缺陷影响

转化归因

本章将分析一次 A/B 测试，并理解在解读测试结果时细分的重要性。

用于营销的 A/B 测试

确定关键指标

测试分配

比较转化率

计算提升度与显著性检验

创建提升率函数

评估统计显著性

A/B 测试与细分

构建带分群的 A/B 测试函数

使用您的分群函数

总结

个性化 A/B 测试

Marketing dataset 1

Marketing dataset 2

学习数据科学技术技能的一大挑战在于理解这些技能和概念如何落地到真实岗位。无论您是希望在营销岗位中引入 Python 和 pandas 来提升能力，还是想了解营销团队中的数据科学家通常会做哪些工作，本课程都非常适合您。我们将把常见业务问题转化为可量化的结果，例如"这次活动表现如何？"、"哪个渠道带来的订阅用户最多？"、"为什么某个渠道表现不佳？"等，并使用基于线上订阅业务数据构造的虚拟营销数据集进行练习。课程将巩固 Python 和 pandas 的基础，例如合并/切片数据集、使用 groupby()、纠正数据类型，以及用 matplotlib 可视化结果。

Intermediate Python

通过合并、切片、可视化等方式提升Pandas技能，解答市场问题！

使用 pandas 分析营销活动

提升 pandas 技能，通过合并、切片、可视化等方法解答营销问题！

计算提升度与显著性检验

Create Your Free Account