Introduction aux taux de clics

Prédire le CTR avec le Machine Learning en Python

Kevin Huo

Instructor

Taux de clics

  • Taux de clics : nb de clics sur les annonces / nb d'affichages
  • Les entreprises et les spécialistes du marketing veulent maximiser le taux de clics
  • Prédire le taux de clics est crucial pour eux

Exemple d'annonce sur Facebook

Prédire le CTR avec le Machine Learning en Python

Voir en mode classification

  • Classification : attribuer des catégories à des observations
  • Les classifieurs utilisent des données d'entraînement et sont évalués sur des données de test
  • Cible : variable binaire, 0/1 pour non‑clic ou clic
  • Caractéristique : toute variable aidant à 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

Lignes d'exemple du jeu de données de clics d'annonce

  • Chaque ligne indique le résultat clic ou non pour un utilisateur donné et une annonce donnée
  • 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

Analyser les 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...