Na czym to polega w sklepie
Metoda df.rolling oblicza statystyki w przesuwającym się oknie obserwacji. W analityce webowej wygładza dzienne fluktuacje konwersji (weekend vs weekday) i ujawnia trend bez szumu pojedynczych dni.
Przykład ze sklepu internetowego
Dzienna konwersja skacze od 1% do 4% - dodajesz 7-dniową średnią kroczącą do wykresu trendu:
import pandas as pd
daily = pd.read_csv("ga4_daily.csv", parse_dates=["date"]).set_index("date")
daily["cr_7d"] = daily["conversion_rate"].rolling(window=7, min_periods=3).mean()
daily["revenue_7d_sum"] = daily["revenue"].rolling(7).sum()
# min_periods=3 - wartość od 3. dnia zamiast samego NaN na początkuCo zrobić po stronie biznesu
- 14-dniowe okno ROAS do oceny stabilności kampanii po zmianie bidów.
- Rolling std spend - alert gdy dzienny wydatek odstaje od normy.
- Średnia krocząca cart abandonment rate w monitoringu lejka.
W skrócie
rolling(7) to standard w raportach dziennych e-commerce. Parametr min_periods kontroluje, ile dni potrzeba zanim linia trendu się pojawi.