🔒Открыть пост
и посмотреть медиа
и посмотреть медиа
Предположим, что у нас есть гипотеза: "Активные пользователи приложения чаще совершают покупки".
Допустим, что активный пользователь - это тот, кто заходит в приложение 3 и более раз в неделю.
Также у нас есть заготовленный датасет (недельный срез) с колонками:
▶️user_id - id пользователя
▶️logins_per_week - число заходов в неделю
▶️converted - поле, принимающее значение 1 или 0. 1 - совершил целевое действие за неделю, 0 - нет
🟠Что с этим делать? Можно разделить пользователей на 2 группы: активные (3+ захода в неделю) и неактивные. Потом для каждой группы найти среднее значение поля converted (процент конверсии) и сравнить проценты конверсий между собой.
В коде это будет выглядеть так:
import pandas as pd
######
#ИСТОЧНИК ДАННЫХ + СОЗДАНИЕ DF
######
df['is_active'] = df['logins_per_week'] >= 3
conv_active = df[df['is_active']]['converted'].mean()
conv_inactive = df[~df['is_active']]['converted'].mean()
print(f"Конверсия активных: {conv_active:.1%}")
print(f"Конверсия неактивных: {conv_inactive:.1%}")
print(f"{conv_active/conv_inactive:.2f}")
Предположим, что конверсия активных пользователей = 10%, неактивных = 7.5%. Отношение = 10%/7.5% = 1.33
🟠Но что дальше делать с полученным числом? Какие выводы и бизнес рекомендации можно сформулировать? Достаточно ли проведенных расчетов, чтобы доказать гипотезу? Откуда брать эту границу в "3 и более раз в неделю"? Как подготовить данные для анализа, чтобы получился такой же удобный датасет?
На эти и многие другие вопросы на примере реальных кейсов я отвечаю в курсе "Практический анализ данных на SQL и Python" - Ссылка скрыта
Проконсультирую по материалам курса, помогу решить и объяснить сложные задачи и отвечу на все вопросы. Можете связаться со мной через обратную связь на Stepik или же написать напрямую в тг - @connection_07