В ходе проекта были рассчитаны конверсии на сайте, выявлены платформы, которые приносят больше визитов и регистраций, проанализировано, как отрабатывают рекламные кампании. В итоге была подготовлена презентация с результатами исследования и даны рекомендации.
Проект выполнен в Jupiter Notebook с помощью GUI-интерфейса Anaconda.
Проект написан на Python с использованием следующих библиотек:
- Pandas
- Numpy
- Matplotlib
- Matplotlib.pyplot
- Seaborn
- Requests
- Os
- Dotenv
Версии программ, использованных в проекте, находятся в файле pyproject.toml
- Установить Anaconda
- Через интерфейс Anaconda установить в выбранную среду необходимые библиотеки из списка выше, выбрать ту же версию, что указана в файле pyproject.toml
- Через интерфейс Anaconda установить Jupier Notebook
- Скачать проект
- Открыть файл charts_project.ipynb через Jupier Notebook в Anaconda
- Запустить проект. Он сам создаст нужные папки и файлы.
Просто посмотреть код можно в файле charts_project.ipynb
- Запросить данные по API и преобразовать их в датафреймы. Добавить переменные окружения
- Сгруппировать данные визитов и данные регистраций по датам и платформам. Для каждого пользователя оставить только последний визит. Исключить визиты, в которых источник 'bot'
- Объединить датайфреймы, рассчитать конверсии в итоговом датафрейме. Датафрейм conversion.json
- Объединить датафрейм конверсий с данными о рекламных кампаниях. Датафрейм ads.json
- Полученные данные визуализировать с помощью графиков. Charts
- Подготовить презентацию, сделать выводы и ответить на вопросы, поставленные аналитику. Презентация presentation.pdf