学ぶ多次元コホートセグメンテーション | 高度なコホートセグメンテーションとリテンションメトリクス

セクション 2. 章 1

single

メニューを表示するにはスワイプしてください

多次元コホートセグメンテーションは、ユーザーをサインアップした月や獲得チャネルなど、複数の属性でグループ化する手法。従来のコホート分析がサインアップ日など単一の要素に注目するのに対し、多次元セグメンテーションはより複雑な問いに答えることが可能。例えば、特定の月に特定のマーケティングキャンペーンから獲得したユーザーが、他のチャネルや地域のユーザーと異なる行動を示すかどうかを確認できる。このアプローチは、1つの次元だけを分析した場合には見えないパターンや傾向を明らかにするため、ビジネスにとって価値が高い。複数の要素でコホートを分割することで、マーケティング戦略の最適化、顧客維持率の向上、リソース配分の効率化が可能となる。


              12345678910111213141516171819202122
            
import pandas as pd

# Sample data
data = {
    "user_id": [1, 2, 3, 4, 5, 6],
    "signup_date": [
        "2023-01-15", "2023-01-15", "2023-02-10",
        "2023-02-15", "2023-01-25", "2023-02-18"
    ],
    "acquisition_channel": [
        "Email", "Email", "Social", "Ad", "Ad", "Social"
    ]
}

df = pd.DataFrame(data)
df["signup_month"] = pd.to_datetime(df["signup_date"]).dt.to_period("M")

# Multi-dimensional cohort segmentation by signup_month and acquisition_channel
cohorts = df.groupby(["signup_month", "acquisition_channel"])["user_id"].nunique().reset_index()
cohorts = cohorts.rename(columns={"user_id": "num_users"})

print(cohorts)

signup_monthとacquisition_channelの両方でコホートを分割することで、単一の分析では見逃しがちな隠れた傾向を発見できる。例えば、1月に**「Email」経由で獲得したユーザーが、同じ月の「Ad」**経由のユーザーよりもエンゲージメントやリテンションが高いことが分かる場合がある。このような詳細な分析により、マーケティング予算の投資先やオンボーディング体験のパーソナライズ、最も価値の高い顧客を生み出すチャネルの特定など、データに基づいた意思決定が可能となる。多次元セグメンテーションは、ビジネス成長を促進するインサイトを発見するための強力な手法。

タスク

スワイプしてコーディングを開始

signup_month と acquisition_channel の両方で、提供された DataFrame df を使ってユーザーをグループ化します。
各コホート（signup_month と acquisition_channel の組み合わせ）ごとに、一意の user_id の数をカウントします。
結果を新しい DataFrame cohorts に格納し、カラムは signup_month、acquisition_channel、num_users とします。
結果は出力せず、指定された通り DataFrame を定義するだけにしてください。

解答

実践的な練習のためにデスクトップに切り替える下記のオプションのいずれかを利用して、現在の場所から続行する

すべて明確でしたか？

フィードバックありがとうございます！

セクション 2. 章 1

single

AIに質問する

何でも質問するか、提案された質問の1つを試してチャットを始めてください