Introduzione ai tassi di clic

Prevedere il CTR con il Machine Learning in Python

Kevin Huo

Instructor

Click-through rate

  • Click-through rate: n. di clic sugli annunci / n. di visualizzazioni degli annunci
  • Aziende e marketer vogliono massimizzare il click-through rate
  • Prevedere i tassi di clic è fondamentale per aziende e marketer

Esempio di annuncio da Facebook

Prevedere il CTR con il Machine Learning in Python

Una lente di classificazione

  • Classificazione: assegnare categorie alle osservazioni
  • I classificatori usano dati di training e si valutano su dati di test
  • Target: variabile binaria, 0/1 per non clic o clic
  • Feature: qualsiasi variabile usata per prevedere il target

Esempio di classificazione con rosso e blu

Prevedere il CTR con il Machine Learning in Python

Uno sguardo rapido ai dati di esempio

Righe di esempio dal dataset di clic su annunci

  • Ogni riga rappresenta l’esito di clic o non clic per un certo utente su un certo annuncio
  • Puoi filtrare le colonne con .isin(): df.columns.isin(['device'])]
  • Se y è la colonna dei clic, il CTR è: y.sum()/len(y)
Prevedere il CTR con il Machine Learning in Python

Analisi delle feature

print(df.device_type.value_counts())

1    45902
0    2947

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

0     633
1    7890
Prevedere il CTR con il Machine Learning in Python

Facciamo pratica!

Prevedere il CTR con il Machine Learning in Python

Preparing Video For Download...