Numpy. Funkcja np.corrcoef(). Korelacja spendu reklamowego z przychodem sklepu.

Na czym to polega w sklepie

Funkcja np.corrcoef oblicza współczynnik korelacji liniowej między wierszami tablicy 2D (lub dwiema tablicami 1D). W analizie kampanii odpowiada na pytanie: czy gdy zwiększasz spend, revenue rośnie proporcjonalnie - czy to tylko koincydencja sezonu.

Przykład ze sklepu internetowego

30 dni dziennego spendu Google Ads i przychodu sklepu. Chcesz jedną liczbę korelacji przed prezentacją dla klienta:

import numpy as np

daily_spend = np.array([1200, 1350, 1100, 980, 1500, 1600, 1400])
daily_revenue = np.array([18000, 19200, 17500, 16800, 21000, 22500, 20100])

corr_matrix = np.corrcoef(daily_spend, daily_revenue)
spend_revenue_corr = corr_matrix[0, 1]  # ~0.97 - silna dodatnia

# Korelacja ≠ przyczynowość - Black Friday podbije obie serie

Co zrobić po stronie biznesu

• Korelacja sessions × add_to_cart - czy ruch przekłada się na intencję zakupu.
• Macierz korelacji wielu kanałów - multikolinearność przed modelem atrybucji.
• Pułapka: kilka outlierów (dzień z awarią checkout) zawyża r - sprawdź scatter przed slajdem z liczbą.

W skrócie

corrcoef na dwóch tablicach daje macierz 2×2 - interesuje cię element [0,1]. To eksploracja, nie dowód ROI; sezon i promocje mieszają sygnał.