O curso de Data Science da Harve foi o meu primeiro contato com a área de ciência de dados e o projeto também foi o meu primeiro. A ideia inicial do projeto final de Data Science foi criar um Marketing Mix Modeling onde a função do MMM é compreender e avaliar o desempenho das campanhas e entender o quanto cada uma foi mais eficaz durante o período de tempo em que ela foi realizada.
Então o objetivo do projeto é identificar e entender em qual canal de veiculação está trazendo um maior retorno sobre o investimento(ROI), assim podendo de forma mais assertiva otimizar a verba da campanha e junto a isso criar uma estratégia cada vez mais adequada e eficaz.
Execução do projeto:
Então a base de dados escolhida é uma base encontrada no GitHub, que contém informações de campanhas de uma empresa de Hong Kong, China, tais informações como demanda, vendas, dados de despesa com publicidade, investimento em SMS, jornal, rádio, TV, internet e pontos de audiência bruta(GRP) de cada canal investido, assim possibilitando calcular a eficácia das campanhas.
Segue as etapas do projeto realizado no Colab
1º Importação das bibliotecas e extração do arquivo .xlsx no drive em que ele estava
Em seguida começa as etapas de tratamento e transformação dos dados
Visualização 5 primeiras linhas
Visualização últimas 5 linhas
Quantidade de linhas e colunas
Descrição das colunas
Informações das colunas
Descobrir se existe valores faltantes nas colunas
Renomeando algumas colunas
Criando lista de outra lista retirando as colunas que julguei desnecessárias
Desta forma os dados analisados foram somente esses presentes na imagem abaixo
A partir desses dados foi possível obter respostas de algumas questões como:
Qual canal teve um maior GRP por ano?
Qual canal teve o maior custo por ano?
Qual canal gerou maior demanda?
Está tabela foi desenvolvida para podermos entender que durante todos os anos de 2010 até 2017 os investimento foram lineares, eles continuam parecidos, não teve uma queda de investimento, porém mesmo mantendo quase o mesmo valor de investimento foi possível perceber uma grande queda de vendas ao decorrer dos anos, as linhas coloridas são os investimentos e as barras as vendas durante de cada ano.
Calculando o ROI dos canais de mídia, cálculo: receita (variável resposta) – custo(variável explicativa)*100/custo.
Regressão linear.
Como podemos observar a regressão linear não apresentou um resultado satisfatório, então indo mais a fundo e pesquisando outros fatores para entender melhor o que pode ter acontecido, foi identificado um fator macroeconômico que pode ter ajudado para que isso acontecesse. Hong Kong ex-colônia britânica foi devolvida para china em 1997 e desde então foi considera um local com dois sistemas, em 2014 foi publicado um livro branco detalhando as práticas de lugar com dois sistemas e o O documento pede o entendimento completo e preciso do significado da política, dizendo que “o alto grau de autonomia de Hong Kong não é um poder inerente, mas sim um que vem somente da autorização da liderança central”. Esta questão explicada acima pode ser um fator que tenha atrapalhado o desempenho da empresa ao decorrer dos anos.
O que aprendemos com esse artigo?
O que significa a sigla MMM no Data Science?
Marketing Mix Modeling ou modelagem do mix de marketing.
É possível utilizar Data Science para o marketing?
Sim, você pode utilizar pra várias coisas, uma delas é descobrir o ROI das campanhas.
O que significa a sigla GRP?
Gross Rating Points ou Pontos de Audiência Bruta.
Qual é a ideia desse projeto final do curso de Data Science da Harve?
Descobrir quais canais de uma empresa de Hong Kong estão performando melhor, para com isso otimizar os investimentos em mídia.
Deixe um comentário