Анализ маркетинговых кампаний с помощью pandas
Одной из сложнейших задач при изучении технических навыков в области дата-сайенс является понимание того, как можно применить их в реальной работе
Преподаватель
Михаил Омельченко
Программист с многолетним опытом. Пишу на Python, Javascript, Typescript и руковожу командами разработчиков. Основатель youtube канал Django School. Стал ментором для десятков учеников и разработал платформу colabteam.dev
0часов
14видео
39упражнений
4600опыта
Описание курсаНезависимо от того, стремитесь ли вы повысить уровень работы в сфере маркетинга с помощью Python и pandas или хотите разобраться в профессии специалиста по дата-сайенс в маркетинговой кампании, этот курс подойдет вам идеально. В ходе курса мы попрактикуемся в анализе распространенных бизнес-вопросов, включая "Как прошла эта рекламная кампания?", "Какая соцсеть привлекает наибольшее количество подписчиков?", "Почему определенный канал не справляется с задачей?" и т.д. Анализ будет проведен на основе данных выдуманного маркетингового датасета в сфере социального медиа маркетинга. В рамках курса будут рассмотрены основы Python и pandas, такие как мерджен и слайсинг датасетов, метод groupby(), правка типов данных и отображение результатов с помощью matplotlib.
1. Pandas
В этой главе рассмотрим основы работы с pandas, включая импорт датасетов, исследовательский анализ и базовое построение графиков.Введение в pandas для сферы маркетинга
50
Импорт датасета
100
Изучение данных
100
Типы данных и их объединение
50
Обновление типа данных столбца
100
Добавление новых столбцов
100
Столбцы с датами
100
Первичный исследовательский анализ
50
Маркетинговый анализ соцсетей за день
100
Отображение ежедневного маркетингового анализа
100
2. Исследовательский анализ и сводная статистика
В данной главе речь пойдет о ключевых маркетинговых метриках и о том, как рассчитать их с помощью pandas. Кроме того, визуализируем полученные результаты и попрактикуемся в сегментации пользователей.Введение в ключевые маркетинговые метрики
50
Расчет коэффициента конверсии
100
Расчет коэффициента удержания
100
Сегментация клиентов
50
Сравнение коэффициента конверсии иностранных языков (I)
100
Сравнение коэффициента конверсии иностранных языков (II)
100
Агрегирование по дате
100
Построение графика по итогам кампании (I)
50
Коэффициент конверсии по языковому признаку
100
Создание ежедневного датафрейма коэффициента конверсии
100
Настройка данных для отображения ежедневной конверсии
100
Отображение ежедневного коэффициента конверсии
100
Построение графика по итогам кампании (II)
50
Маркетинговый контент по возрастным группам
100
Группирование и расчет нескольких столбцов
100
Анализ показателей удержания подписчиков в рамках кампании
100
3. Атрибуция конверсии
В этой главе создадим функции для автоматизации общего маркетингового анализа и определим, почему в конце января в некоторых маркетинговых кампаниях наблюдается более низкий уровень конверсии.Построение функций для автоматизации анализа
50
Построение функции расчета конверсии
100
Тестирование и отображение функции конверсии
100
Функция построения графика
100
Объединение функций
100
Выявление несоответствий
50
Коэффициент конверсии маркетплейса Авито
100
Анализ коэффициента конверсии маркетплейса Авито
100
Конверсия Авито по языковым показателям
100
Создание датафрейма для Авито
100
Подтверждение бага в Авито
100
Устранение несоответствий
50
Настройка индексов конверсии
100
Анализ потребительских предпочтений
100
Создание датафрейма с использованием индексов
100
Оценка влияния багов
100
4. Персонализационное A/B-тестирование
В этой главе проанализируем A/B-тестирование и узнаем о важности сегментации при интерпретации результатов теста.A/B-тестирование для маркетинга
50
Определение ключевых метрик
100
Распределение тестов
100
Сравнение коэффициентов конверсии
100
Расчет лифтинга и тестирование значимости
50
Создание функции lift
100
Оценка статистической значимости
100
A/B-тестирование и сегментация
50
Построение функции ab_segmentation в A/B-тестировании
100
Использование функции ab_segmentation
100
Подведение итогов
50
