Para clientes pequeños (así como para clientes con análisis multicanal complejo), monitorizo el CPC puro (clics, CTR, costo por clic, tasas de rebote).
Tarea : comprender qué rk funciona de manera más eficiente y, en base a esto, editar las tasas.
Para hacer esto, uso el costo por clic útil (CUC) en análisis. Esta métrica tiene en cuenta el costo por clic y la tasa de rebote.
Fórmula : Costo / Clics * ((100-BounseRate) / 100)
Explicaré en un lenguaje simple:
Obtuvimos 200 clics por 2,000 rublos, tasa de rebote del 20%. Clics realmente útiles que compramos 80 piezas,
2000₽ / 80 = 25₽
Además, esta métrica ayuda a analizar estadísticas en muestras pequeñas, donde no puede decidir sobre las conversiones.
En la entrada, ya deberíamos tener un DataFrame terminado con estadísticas del sistema de publicidad.
Ingrese una nueva columna en las estadísticas.
Python no realiza operaciones matemáticas de la misma manera que en matemáticas, por lo tanto, haremos cada acción en una línea separada:
#f['CUC'] = f['Cost']/f['Clicks']*((100-f['BounceRate'])/100) f['CUC'] = 100-f['BounceRate'] f['CUC'] = f['CUC']/100 f['CUC'] = f['Clicks']*f['CUC'] f['CUC'] = f['Cost']/f['CUC']
Obtenemos lo siguiente:
Mirando este indicador, podemos ver debilidades en unos pocos segundos.