Pandas. Właściwość Series.dt.hour. Godziny szczytu sesji i zakupów w sklepie.

Na czym to polega w sklepie

Acessor Series.dt.hour zwraca godzinę (0–23) z kolumny datetime. Przy danych sesji z eksportu GA4 lub logów sklepu pokazuje, o której godzinie koncentrują się zakupy i ruch płatny.

Przykład ze sklepu internetowego

Masz timestamp sesji z konwersją - grupujesz purchase per godzina dnia lokalnego:

import pandas as pd

sessions = pd.read_csv("ga4_sessions.csv", parse_dates=["session_start"])
sessions["hour"] = sessions["session_start"].dt.hour

hourly_cr = (
    sessions.groupby("hour")
    .agg(sessions=("session_id", "count"), purchases=("converted", "sum"))
    .assign(cr=lambda d: d["purchases"] / d["sessions"])
)

Co zrobić po stronie biznesu

• Dayparting w Google Ads na podstawie godzin z najwyższym ROAS.
• Harmonogram push notification w godzinach peak add_to_cart.
• Wykrywanie anomalii nocnych - bot traffic vs realne zakupy.

W skrócie

Pamiętaj o strefie czasowej przed .dt.hour - najpierw tz_localize / tz_convert na Europe/Warsaw.