Klantsegmentatie

Marketingcampagnes analyseren met pandas

Jill Rosok

Data Scientist

Veelgebruikte manieren om doelgroepen te segmenteren

segmentatie

Leeftijd
Geslacht
Locatie
Eerdere interacties met het bedrijf
Marketingkanalen waarmee gebruikers interacteerden

Segmenteren met pandas

# Subset: alleen House Ads
house_ads = marketing\
         [marketing['subscribing_channel'] == 'House Ads']

retained = house_ads[house_ads['is_retained'] == True]\
                    ['user_id'].nunique()
subscribers = house_ads[house_ads['converted'] == True]\
                     ['user_id'].nunique()

retention_rate = retained/subscribers
print(round(retention_rate*100,2), '%')

58.05 %

Kan dit niet makkelijker?

Segmenteren met pandas - groupby()

# Groepeer op subscribing_channel en bereken retentie
retained = marketing[marketing['is_retained'] == True]\
          .groupby(['subscribing_channel'])\
          ['user_id'].nunique()
print(retained)

subscribing_channel
Email        109
Facebook     152
House Ads    173
Instagram    158
Push          54
Name: user_id, dtype: int64

Segmenteren met pandas - groupby()

# Groepeer op subscribing_channel en bereken abonnees
subscribers = marketing[marketing['converted'] == True]\
            .groupby(['subscribing_channel'])\
            ['user_id'].nunique()
print(subscribers)

subscribing_channel
Email        125
Facebook     221
House Ads    298
Instagram    232
Push          77
Name: user_id, dtype: int64

Resultaten segmenteren

# Bereken de retentiegraad per kanaal
channel_retention_rate = (retained/subscribers)*100
print(channel_retention_rate)

subscribing_channel
Email        87.200000
Facebook     68.778281
House Ads    58.053691
Instagram    68.103448
Push         70.129870
Name: user_id, dtype: float64

Laten we oefenen!

Marketingcampagnes analyseren met pandas