Небольшая шпаргалка по веб-скрапингу с помощью BeautifulSoup

https://www.banjocode.com/web-scraping/

#ML #attribution #marketing #ROAS
Наконец нашел в себе силы для оформления статьи по мотивам моего выступления на MateMarketing
Будет интересно всем, кто ищет новые точки роста и увеличения эффективности рекламы в 2020! ;)
Like, share, Алишер, если было полезно!

https://vc.ru/marketing/108652-reshaem-problemu-atribucii-v-digital-marketinge-pri-pomoshchi-mashinnogo-obucheniya

Онлайн-самоучитель по экосистеме Python для научных вычислений. Множество хорошо детализированных уроков освещают вопросы использования пакетов NumPy, SciPy. На последок немного рассказывается про Sympy и Sklearn

https://scipy-lectures.org/index.html

​​Материалы по BigQuery ML

• Инструкция построения модели классификаци в BigQuery ML для прогноза покупок пользователей,
• Использование возможностей BigQuery ML для анализа в Tableau (видео с примерами + статья),
• BigQuery ML + Looker (видео),
• BigQuery ML на Kaggle (видео 1, видео 2).

via @BigQuery

Блокнот про анализ данных в E-commerce с примером использования ассоциативных правил (алгоритм Apriori) для создания товарных рекомендаций

https://www.kaggle.com/ostrowski/market-basket-analysis-exploring-e-commerce-data

Работа с инструментами поиска точек роста

В поиске точек роста нет ничего лучше аналитики и общения с реальными пользователями. Но на какие цифры смотреть, какие связи искать, какие вопросы задавать пользователям?

Чтобы направить усилия в правильное русло, команда может использовать фреймворки и концепции, применяемые в продуктовом менеджменте, маркетинге и дизайне. С их помощью процесс поиска точек роста станет более осмысленным и управляемым.

Но прежде, чем приступить к хаотичному перебору всех известных инструментов, следует провести подготовительную работу.

1. Сформулировать задачи и выбрать инструменты

Подбор подходящего инструмента определяется задачей, которую команда хочет решить. Анализ воронки и петель, декомпозиция NSM и другая работа с метриками, направлена на то, чтобы выделить наиболее существенные для роста участки и определить стартовые задачи команды.

Если анализ показывает, что текущие показатели удержания недостаточны и у этого этапа воронки наибольший потенциал, то задачей будет рост удержания, для решения которой команда может использовать The Hook Model – фреймворк создания привычки пользоваться продуктом.

Если никто в компании ранее не занимался виральностью при том, что у продукта есть виральный потенциал, то задачей команды станет рост через виральность. Помочь в ее решении может Viral Loop – логика описания процесса привлечения новых пользователей теми, кто уже использует продукт.

2. Собрать группу участников разбора

Разбор инструментов – командная работа. Все участники команды роста должны принимать в нем участие, чтобы видеть картину одинаково.

Также, к проработке инструментов могут привлекаться и другие сотрудники компании, если они обладают компетенциями, отсутствующими в команде.

При этом очень важно, чтобы состав группы был сбалансирован по компетенциям и она не была слишком большой. Чем больше участников, тем сложнее модерировать процесс.

Оптимальный размер группы разбора – от 5 до 9 участников. Такая группа будет достаточно активна, но при этом ее активность можно держать под контролем.

3. Назначить модератора

Работу группы, занятой исследованием инструментов обязательно нужно модерировать.

Главная задача модератора: поддерживать встречу в конструктивном русле. Вести группу по процессу, инициировать обсуждения, давать высказаться всем участникам разбора, а не только самым активным и громким.

Как правило эту роль на себя берет Growth Manager, который должен предварительно изучить инструменты и спланировать ход встречи.

4. Лимитировать время

Встречи по разбору инструментов могут затянуться, а нужные решения так и не будут найдены. Чтобы этого не произошло, еще до начала встречи все участники команды должны знать ее длительность и понимать, что за это время они должны выжать из инструмента максимум и другого времени у них не будет.

Поддержание тайминга – также задача модератора. Он должен регулярно озвучивать группе количество оставшегося времени и при необходимости прерывать текущее обсуждение, чтобы перейти к следующей части.

Для базового разбора одного инструмента понадобится от 3 до 5 часов, включая регулярные (один раз в час) десяти минутные перерывы. За это время команда сможет сгенерировать и обсудить достаточное количество идей, которые впоследствии станут основой для гипотез.

5. Спланировать генерацию гипотез

На встрече команда не ставит перед собой задачу по генерации гипотез, основанных на инструментах. Эту часть работы лучше вынести за пределы встречи, оставив разобранный инструмент в виде постера, висящего в офисе или схемы в электронном виде, доступной всем участникам разбора.

Следующие пару дней после встречи каждый участник может вернуться к инструменту и добавить свои гипотезы о том, что можно изменить в продукте или маркетинговой коммуникации для роста метрик.

Гипотезы должны быть сформулированы в едином виде, чтобы в последующем их можно было корректно оценить, отсортировать по приоритету и лучшие взять в проверку.

Такой подход позволяет всем участником команды одинаково понимать задачи и повышает качество гипотез роста.

В повседневной деятельности аналитикам приходится извлекать и работать с данными из различных систем. Чтобы облегчить эту задачу можно использовать специальные сервисы, которые берут на себя часть задач по автоматизации таких процессов. Сегодня я расскажу об одном из них. https://bit.ly/2TW9luU

via @prometriki

Про ассоциированные конверсии в Google Analytics

В комьюнити очень просили ликбез про ассоциированные конверсии в Google Analytics — первое видео сделали на эту тему. Краткий спойлер: ассоциированные конверсии завышают заказы и продажи и использовать их нельзя, да и не нужно — есть другие способы.

Смотрите видео и пишите в комментариях обратную связь: вопросы, запросы, что хотите, чтобы я разобрал и разложил по полочкам.

https://www.youtube.com/watch?v=2eoW3LGmJLE

PS. — делитесь, если вам кажется это полезным и разумным 🔥

​​Материалы по BigQuery ML

• Инструкция построения модели классификаци в BigQuery ML для прогноза покупок пользователей,
• Использование возможностей BigQuery ML для анализа в Tableau (видео с примерами + статья),
• BigQuery ML + Looker (видео),
• BigQuery ML на Kaggle (видео 1, видео 2).

via @BigQuery

Топ-10 библиотек и фреймворков Python для машинного обучения.

https://www.activestate.com/blog/top-10-python-machine-learning-packages/

Появились видеозаписи с Experiment Fest x Яндекс.Практикум:

https://www.youtube.com/watch?v=KvIJ8FCJzr4&list=PL6Wui14DvQPz-s7nng8Sedzj1Q5xLOs69&index=1

via @ABtesting

​​Маркетинг ― это про оперативность. Но если ваши маркетинговые отчеты обновляются вручную раз в неделю, то о быстрой реакции на изменения метрик говорить не приходится.

Выход ― автоматизация отчетов и настройка уведомлений об изменениях.
Выбирайте подходящую инструкцию ⬇️

- Автоматизация отчетов в Google Data Studio на данных из Google BigQuery https://www.owox.com/c/4e0
- Автоматизация отчетов в Google Sheets на данных из Google BigQuery https://www.owox.com/c/49k
- Автоматизация отчетов в Google Sheets на данных из Google Analytics https://www.owox.com/c/4k6
- Автоматизация отчетов в Google Analytics https://www.owox.com/c/464

Несколько месяцев назад совместно с Median School мы запустили мою обучающую программу «Google Tag Manager 1.0. Основы»! 🎉

Это новый формат практических образовательных программ, в центре которых - приобретение опыта. Поэтому помимо очень детализированного теоретического обучения, студентов ждут десятки различных практических задач, которые они решают в процессе обучения, получая не только знания, но и опыт.

Курс «Google Tag Manager 1.0. Основы» научит эффективно работать с тегами, триггерами и переменными, DataLayer, CSS селекторами, тестировать собственные наработки в Debugger, передавать данные в Facebook, Google Analytics, Яндекс Метрика, VK, MyTarget и другие системы. А персональные консультации и практическая работа со мной помогут найти ответы на все вопросы. 😉

Тебя ждет:
• 44 занятия
• 45 ситуативных тестирований
• 566 минуты обучения
• 1 попытка сдать экзамен и получить сертификат соответствующего уровня знаний

👉 Приобретай доступ и начинай обучение уже сейчас! https://m-s.li/gtm

И мясорубка посередине

1. Часто в ответ на вопрос «чем ваш продукт лучше?» отвечают — «по соотношению цена/качество». Я не очень понимаю, что это значит.

2. Я понимаю, что такое «качество». Это значит, что у нас есть возможность ставить на наш продукт премиальную цену. Вот Эппл хорошо устроился — у него 10% рынка сотовых телефонов в штуках, 50% по выручке и 70% по прибыли. Если за качество не платят премию — значит, это не качество с точки зрения потребителя, а просто наши иллюзии.

3. Я понимаю, что такое «цена». Продаем говно, но по низкой цене. Или намеренно демпингуем, чтобы выжить с рынка конкурентов — если только у нас в запасе есть о-о-очень глубокий карман с деньгами.

4. А что такое «соотношение цена/качество»? Среднего качества товар по средней цене? Чем тогда мы собираемся отличиться от конкурентов? Ничем? Тогда добро пожаловать в сегмент средних товаров для среднего класса от средних производителей, где столпились все, у кого не хватает фантазии на большее. Там как раз и спрятана самая большая конкурентная мясорубка, выжимающая последние копейки из маржинальности.

5. Могу только повторить канонический пример виски Джонни Уокер, производители которого когда-то давным-давно вышли на рынок виски с двумя продуктами. Красная этикетка была дешевле среднего, черная — дороже. А среднего как раз и не было.

6. Хотите отличаться от конкурентов? Берите либо ценой, либо качеством. Третьего не дано.

Каждый стартап проходит пять этапов

1. Посев. Неважно, что ты делаешь — важно, какой ты. Здравый смысл, желание учиться, способность изменяться, цепкость бульдога и выживаемость таракана.

2. Выход на рынок. Неважно, что ты делаешь — важно, как ты привлекаешь клиентов. Успех — это 10% идеи и 90% маркетинга и продаж.

3. Первая попытка планомерного роста. Неважно, что ты делаешь — важно, за счет чего ты продолжаешь расти. Рост с нуля есть всегда. Вопрос в том, будет ли рост после роста.

4. Рост. Неважно, что ты делаешь — важно, как ты этим управляешь. Разница между стартапом и бизнесом такая же, как между бандой махновцев и десантно-штурмовой бригадой.

5. Экспансия. Неважно, что ты делаешь — важно, сколько оно стóит. Самую плохую оценку можешь дать ты сам, немного лучшую — инвестор, единственно верную — биржа или покупатель бизнеса.

В общем, получается, так: неважно, что ты делаешь — важно, как ты это делаешь.

#перечитываяклассику из давно опубликованного на тёмной стороне

🤖 Python. Полезные библиотеки

Python содержит огромное количество расширений и фреймворков, но зачастую создаются собственные "велосипеды". На вебинаре рассмотрены полезные расширения и фреймворки, которые могут помочь в работе.

-- Flask
-- WatchDog
-- Pygame
-- OpenCV
-- PIL
и многом другом.

@itlecture

Практические видеоуроки, интервью с предпринимателями и исследователями, лекции из ведущих университетов и видеоподкасты про data science — всё это в нашей новой подборке ▶️

https://ya.cc/t/cU4GZXz0AWmyH

​​APP+WEB - Enhanced Ecommerce

В этом карантине работаешь весь день, и руки доходят даже до забытого бэклога. Вот и гугиль добавил наконец расширенный екоммерс в новый счетчик. Документация у них давно висела на сайте, но сам трекер должным образом не реагировал , теперь же шлётся что-то отличное от [object Object].

Дока для gtag
Дока для gtm

Глядишь, скоро и отчёты добавят, где эти данные можно будет нормально посмотреть.

@Burgerdata

​​Stitch - инструмент для создания пайплайнов, позволяет бесплатно импортировать до 5М строк/мес. в BigQuery или другие хранилища данных. Основное:

• настройка в несколько кликов,
• импорт исторических данных,
• поддержка более 100 интеграций,
• аналоги Renta, Fivetran или dbt.

via @BigQuery

Леша Селезнев, руководитель аналитики @netpeak выложил в бесплатный доступ вводный курс по языку R.
Курс ориентированный на тех, кто всю работу с данными привык пилить в Excel и Google Spreadsheets.

Курс поможет разобраться с библиотекой tidyverse, и входящими в неё пакетами: dplyr, tidyr, ggplot2 и т.д.

Навыков программирования для прохождения курса не требуется.

- YouTube канал
- Весь плейлист курса
- Лендос курса

@internetanalytics