对于小型客户（以及具有复杂多渠道分析的客户），我监视纯每次点击费用（点击次数，点击率，每次点击费用，跳出）。
任务 ：了解哪个rk更有效，并在此基础上编辑费率。
为此，我在分析中使用了每有效点击成本（CUC）。 该指标考虑了每次点击费用和跳出率。
公式 ：费用/点击数*（（（100-BounseRate）/ 100）
我将用简单的语言进行解释：
2000次点击可获得200次点击，跳出率为20％。 因此，我们购买了80个非常有用的点击，
2000₽/ 80 = 25₽
另外，此指标还有助于分析少量样本中的统计信息，而您无法确定转化次数。
在输入时，我们应该已经有一个带有广告系统统计信息的完整DataFrame。
在统计信息中输入新列。
Python的执行数学运算的方式与数学不同，因此，我们将在单独的一行上执行每个操作：
#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']
我们得到以下内容：
查看该指标，我们可以在几秒钟内看到弱点。