metric forge

公制鍛造

公制Forge是您的最終工具包，用於衡量和評估各個業務領域的性能。

免責聲明

Metric Forge提供了各個領域的計算集合，包括財務，抵押，營銷等。儘管已竭盡全力確保所提供的計算和方法的準確性和可靠性，但指標鍛造僅用於信息和教育目的。

重要注意：

無保修：本軟件包中提供的計算和方法是“ as-is”提供的，無明示或暗示的任何保證或任何形式的保證。軟件包的創建者對錯誤或遺漏或因使用軟件包而造成的任何損害不承擔任何責任。

不是專業的建議：包裝產生的結果不應被視為專業的財務，投資，法律或任何其他類型的建議。用戶應根據此軟件包產生的輸出做出任何決定，然後諮詢合格的專業人員。

出於您自己的風險使用：公制鍛造的用戶對軟件包及其結果的使用承擔全部責任。包裝的創建者不得對根據提供的信息或包裹使用帶來的任何後果做出的任何決定承擔責任。

通過使用此軟件包，您可以承認並同意此免責聲明。如果您不同意，請避免使用公制鍛件包。

入門

通過PIP安裝軟件包

 pip install metric - forge 

電子商務

您可以通過兩種不同的方式使用電子商務指標：

• 帶極點
• 作為單個值函數（SVF）

公制鍛造擴展了Polars表達式庫；使得可以為各種指標執行行劃分。除質量計算外，您還可以執行僅返回一個值的單個值計算。

 from metric_forge . ecommerce import * 
import polars as pl
data = pl . read_csv ( 'datasets/ecommerce_metrics.csv' )
data . head ()

<style> .dataframe> thead> tr，.dataframe> tbody> tr {text-align：right;白空間：預交； } </style>形狀：（5，15）

月	total_revenue	number_of_orders	cost_of_acquisition	new_customers	CARTS_創建	填寫	Revenue_from_ads	Advertising_spend	num_conversions	num_visitors	Revenue_per_customer	平均_customer_lifetime	num_customers_lost	total_customers_beginning
str	F64	i64	F64	i64	i64	i64	F64	F64	i64	i64	F64	F64	i64	i64
“ 2023-01”	87454.011885	991	22958.350559	406	1969年	1425	81339.957696	5390.910169	300	13154	202.427329	3.159364	239	3306
“ 2023-02”	145071.430641	913	18736.874206	234	1506	1421	76875.083402	15585.037018	427	14762	116.173436	1.812245	124	4680
“ 2023-03”	123199.394181	1305	28355.586842	120	1497	965	116505.482191	14872.037954	367	10056	384.265156	4.771414	177	4675
“ 2023-04”	109865.84842	885	14184.81582	428	1963年	1102	106008.046381	12337.204368	132	19948	144.356328	3.395462	299	2972
“ 2023-05”	65601.864044	691	18764.339456	266	1009	801	97258.809912	5351.995568	147	13110	275.734601	3.77914	296	3768

客戶獲取成本

 data . select ( pl . col ( 'cost_of_acquisition' ),
            pl . col ( 'new_customers' ),
            pl . col ( '*' ). forge_ecommerce . customer_acquisition_cost ( 'cost_of_acquisition' , 'new_customers' ))

平均訂單值

 data . select ( pl . col ( 'total_revenue' ),
            pl . col ( 'new_customers' ),
            pl . col ( '*' ). forge_ecommerce . average_order_value ( 'total_revenue' , 'number_of_orders' ))

購物車遺棄率

 data . select ( pl . col ( 'carts_created' ),
            pl . col ( 'completed_purchases' ),
            pl . col ( '*' ). forge_ecommerce . cart_abandonment_rate ( 'carts_created' , 'completed_purchases' ))

廣告支出回報

 data . select ( pl . col ( 'revenue_from_ads' ),
            pl . col ( 'advertising_spend' ),
            pl . col ( '*' ). forge_ecommerce . return_on_advertising_spend ( 'revenue_from_ads' , 'advertising_spend' ))

轉換率

 data . select ( pl . col ( 'num_conversions' ),
            pl . col ( 'num_visitors' ),
            pl . col ( '*' ). forge_ecommerce . conversion_rate ( 'num_conversions' , 'num_visitors' ))

客戶壽命價值

 data . select ( pl . col ( 'revenue_per_customer' ),
            pl . col ( 'average_customer_lifetime' ),
            pl . col ( '*' ). forge_ecommerce . customer_lifetime_value ( revenue_per_customer_column = 'revenue_per_customer' , average_customer_lifetime_column = 'average_customer_lifetime' , method = 'basic' ))

<style> .dataframe> thead> tr，.dataframe> tbody> tr {text-align：right;白空間：預交； } </style>形狀：（ 12，3）

Revenue_per_customer	平均_customer_lifetime	customer_lifetime_value
F64	F64	F64
202.427329	3.159364	639.54169
116.173436	1.812245	210.534716
384.265156	4.771414	1833.488253
144.356328	3.395462	490.156408
275.734601	3.77914	1042.039585
…	…	…
290.148089	2.182535	633.258286
325.310229	1.421977	462.583676
378.206435	2.826138	1068.863683
155.732582	1.873762	291.805755
341.766952	2.66604	911.164293