Introduction aux taux de clics

Prédire le CTR avec le Machine Learning en Python

Kevin Huo

Instructor

Taux de clics

  • Taux de clics (CTR) : nb de clics sur les pubs / nb de vues des pubs
  • Les entreprises et les marketeurs veulent maximiser le CTR
  • Prédire le CTR est essentiel pour eux

Exemple de publicité Facebook

Prédire le CTR avec le Machine Learning en Python

Une approche classification

  • Classification : assigner des catégories aux observations
  • Les classifieurs apprennent sur un train et sont évalués sur un test
  • Cible : variable binaire, 0/1 pour non-clic ou clic
  • Caractéristique (feature) : variable utilisée pour prédire la cible

Exemple de classification avec rouge et bleu

Prédire le CTR avec le Machine Learning en Python

Bref aperçu des données d’exemple

Exemples de lignes du jeu de données de clics

  • Chaque ligne représente un clic ou non-clic pour un utilisateur et une pub donnés
  • Filtrer des colonnes avec .isin() : df.columns.isin(['device'])]
  • Si y est la colonne des clics, le CTR = y.sum()/len(y)
Prédire le CTR avec le Machine Learning en Python

Analyse des caractéristiques

print(df.device_type.value_counts())

1    45902
0    2947

print(df.groupby('device_type')['click'].sum())

0     633
1    7890
Prédire le CTR avec le Machine Learning en Python

Passons à la pratique !

Prédire le CTR avec le Machine Learning en Python

Preparing Video For Download...