Завдання №2

Прикладна аналітика

У цьому завданні ми порахуємо кілька продуктових метрик і подивимося, які розподіли можуть зустрітися на практиці.

Опис даних

  • ad_id — ідентифікатор оголошення (реклами)
  • xyz_campaign_id — ідентифікатор рекламної кампанії в базі компанії X
  • fb_campaign_id — ідентифікатор кампанії у Facebook
  • age — вікова група, якій показувалася реклама
  • gender — стать тих, кому показували рекламу
  • interest — код, що вказує категорію, до якої належить інтерес користувача (відповідність число - інтерес)
  • impressions — число показів
  • clicks — число кліків
  • spent — сума, яку компанія витратила на показ оголошення
  • total_conversion — кількість людей, які зацікавилися продуктом після перегляду реклами
  • approved_conversion — кількість людей, які купили продукт після перегляду реклами

Загальний план

  1. Завантажте дані, перевірте кількість спостережень і стовпців, типи даних, наявність пропущених значень, які унікальні значення зустрічаються. Скільки унікальних рекламних кампаній було проведено?

  2. Подивіться на дані та їхній опис. Співвіднесіть назви змінних із відповідним типом даних:

    • Дискретні:
    • Номінативні:
    • Неперервні:
    • Рангові/порядкові:

  3. Побудуйте графік розподілу числа показів (Impressions) для кожної реклами, прологарифмувавши значення. Які твердження є правдивими:

    • Розподіл унімодальний
    • Розподіл бімодальний
    • Отриманий розподіл не є нормальним
    • Розподіл симетричний
    • Отриманий розподіл є нормальним

  4. Створіть нову змінну з CTR (click-through rate), тобто відношення кількості кліків до кількості показів: \[ CTR = \frac{clicks}{impressions} \]

    Створіть нову змінну, потім подивіться на описові статистики. Вкажіть ad_id оголошення з найбільшим CTR.

  5. Візуалізуйте CTR із розбивкою за номером рекламної кампанії (xyz_campaign_id). Якому графіку відповідає розподіл CTR кампанії 916?

  1. CPC (cost-per-click) — вартість за клік користувача по оголошенню. Розраховується шляхом ділення суми витрачених грошей на загальне число кліків:

    \[ CPC = \frac{spent}{clicks} \]

    Виведіть описові статистики для нової змінної, подивіться на форму розподілу. Розрахуйте міжквартильний розмах, округлений до двох знаків після крапки.

Note

Зверніть увагу, що в стовпці можуть зустрітися NaN. Якщо ви використовуєте функцію iqr зі scipy, то слід вказати аргумент nan_policy='omit', щоб їх проігнорувати. При побудові графіка необхідно використовувати метод .dropna().

  1. Візуалізуйте CPC з розбивкою за статтю користувачів, яким були показані оголошення.

  2. Конверсія (conversion rate) — відношення числа користувачів, які вчинили цільову дію на певному етапі, до загальної кількості тих, хто дійшов до цього етапу.

    Порахуйте конверсію з кліка в покупку. Як відповідь вкажіть конверсію для оголошення 1121814 у відсотках, округливши значення до 2 знаків після крапки. Наприклад, якщо значення кліків дорівнює 10, а покупок - 2, то CR на цьому етапі становить 2/10=0.2=20.

Note

Кліки — Clicks, Покупки — Approved_Conversion.