Accéder au contenu principal

Cours

Analyzing Marketing Campaigns with pandas

DébutantNiveau de compétence

Actualisé 04/2026

Développez vos compétences en pandas et répondez à des questions de marketing en fusionnant, découpant, visualisant et plus encore.

Commencer le cours gratuitement

PythonExploratory Data Analysis

4 h

14 vidéos

53 Exercices

4,500 XP

33,760

Certificat de formation

Apprécié par des utilisateurs provenant de milliers d'entreprises

Former une équipe ?

Essayez pour les entreprises

Description du cours

L’un des plus grands défis lorsqu’on apprend des compétences techniques en data science est de comprendre comment elles se traduisent dans des métiers concrets. Que vous souhaitiez progresser dans votre poste en marketing en intégrant Python et pandas, ou que vous cherchiez à comprendre le type de missions d’un data scientist au sein d’une équipe marketing, ce cours est fait pour vous. Nous allons entraîner la traduction de questions métier courantes en résultats mesurables, notamment « Comment cette campagne a-t-elle performé ? », « Quel canal apporte le plus d’abonnés ? », « Pourquoi un canal donné sous-performe-t-il ? », et bien d’autres, à l’aide d’un faux jeu de données basé sur l’activité d’une entreprise d’abonnements en ligne. Ce cours s’appuie sur les fondamentaux de Python et de pandas, comme la jointure/le découpage de jeux de données, groupby(), la correction des types de données et la visualisation des résultats avec matplotlib.

Prérequis

Intermediate Python

1

Pandas

Dans ce chapitre, vous reverrez les bases de pandas, notamment l’import de jeux de données, l’analyse exploratoire et les graphiques de base.

Introduction à pandas pour le marketing

Importer le jeu de données

Examiner les données

Types de données et fusion de données

Mettre à jour le type de données d’une colonne

Ajouter de nouvelles colonnes

Colonnes de dates

Première analyse exploratoire

Portée marketing quotidienne par canal

Visualiser la portée marketing quotidienne

Commencer le chapitre

2

Analyse exploratoire et statistiques descriptives

Dans ce chapitre, vous découvrirez des indicateurs marketing courants et comment les calculer avec pandas. Vous visualiserez aussi vos résultats et vous vous entraînerez à segmenter vos utilisateurs.

Introduction aux indicateurs marketing courants

Calcul du taux de conversion

Calculer le taux de rétention

Segmentation client

Comparer le taux de conversion selon la langue (I)

Comparer le taux de conversion par langue (II)

Agrégation par date

Visualiser les résultats de la campagne (I)

Visualiser le taux de conversion par langue

Créer un DataFrame du taux de conversion quotidien

Préparer nos données pour visualiser la conversion quotidienne

Visualiser le taux de conversion quotidien

Tracer les résultats de campagne (II)

Canaux marketing selon les tranches d’âge

Regrouper et compter selon plusieurs colonnes

Analyser les taux de rétention de la campagne

Commencer le chapitre

3

Attribution des conversions

Dans ce chapitre, vous construirez des fonctions pour automatiser des analyses marketing courantes et comprendre pourquoi certains canaux ont affiché des taux de conversion inférieurs à la normale fin janvier.

Créer des fonctions pour automatiser l’analyse

Créer une fonction de conversion

Tester et visualiser la fonction de conversion

Fonction de tracé

Mettre le tout en pratique

Identifier les incohérences

Taux de conversion des publicités internes

Analyser le taux de conversion des publicités internes

Conversion des annonces internes par langue

Créer un DataFrame pour les house ads

Confirmer l’erreur des publicités internes

Résoudre les incohérences

Mettre en place des indices de conversion

Analyser les préférences des utilisateurs

Créer un DataFrame à partir d’index

Évaluer l’impact du bug

Commencer le chapitre

4

Test A/B de personnalisation

Dans ce chapitre, vous analyserez un test A/B et verrez l’importance de la segmentation pour interpréter correctement les résultats d’un test.

A/B testing pour le marketing

Déterminer les indicateurs clés

Répartition du test

Comparer les taux de conversion

Calculer le lift et tester la significativité

Créer une fonction de calcul du lift

Évaluer la signification statistique

A/B testing et segmentation

Créer une fonction d’A/B test avec segmentation

Utiliser votre fonction de segmentation

Récapitulatif

Commencer le chapitre

Analyzing Marketing Campaigns with pandas

Cours
terminé

Obtenez un certificat de réussite

Ajoutez cette certification à votre profil LinkedIn, à votre CV ou à votre portfolio
Partagez-la sur les réseaux sociaux et dans votre évaluation de performanceS'inscrire maintenant

Rejoignez plus de 19 millions d'utilisateurs et commencez Analyzing Marketing Campaigns with pandas dès aujourd'hui !

Apprenez où que vous soyez avec l'application DataCamp

Progressez où que vous soyez grâce à nos cours conçus pour mobile et à nos défis quotidiens de 5 minutes.