Здесь Вы найдёте описание к работам моего портфолио. Основная цель — показать Вам мои навыки анализа данных на Python и SQL.
Анализ эффективности рекламных кампаний в Google Ads
Файл: Ad_analysis.ipynb
Описание: Программа выполняет анализ данных по поисковым и видео-кампаниям Google Ads, сравнивает эффективность разных форматов рекламы, аудиторий и устройств, а также строит модели для прогноза Conversion Rate и Cost per Conversion. В проекте используются модели Logistic Regression, Random Forest и Linear Regression на данных, агрегированных по связкам «кампания / формат / ad group / аудитория / ключевое слово / устройство» с метриками Impressions, Clicks, Cost, Conversions, CTR и Cost per Conversion.
Цель проекта: найти приоритетные сегменты аудиторий для масштабирования.
Основные задачи анализа:
- Провести исследовательский анализ и сравнить эффективность разных форматов (Search vs Video), аудиторий и устройств;
- Выделить кластеры рекламных связок на основе CTR, CR, CPA и объёма трафика (Impressions, Clicks) и описать их характеристики;
- Построить модель классификации, предсказывающую, будет ли конкретная рекламная связка эффективной.
- Построить модель регрессии для прогноза Conversion Rate по ключевым метрикам;
- Интерпретировать полученные кластеры и результаты моделей с точки зрения маркетинговой стратегии: выделить сегменты для масштабирования.
Цель: показать примеры запросов на выборку и корректировку данных
Файл: sql_requests