{
 "cells": [
  {
   "cell_type": "markdown",
   "id": "3d3a9c98",
   "metadata": {},
   "source": [
    "# EDA «Коммуникации в Городе»\n",
    "\n",
    "## Кратко о данных\n",
    "- 118 189 строк, 8 339 клиентов, 35 исходных столбцов + инженерные (totals, CTR/CR, флаги).\n",
    "- Диапазон дат: 2025‑01‑09 — 2025‑11‑04 (284 дня).\n",
    "- Категории сервисов: ent, super, transport, shopping, hotel, avia; активные и пассивные показы/клики, заказы по категориям.\n",
    "- Дубликаты по ключу (id, business_dt): нет.\n",
    "\n",
    "## Качество данных\n",
    "- Пропуски: несущественные (NaN почти нет), отрицательных значений не обнаружено.\n",
    "- Возраст: 15–80 лет, p1/p99 = 22/68, мусора (<14 или >100) нет.\n",
    "- Гендер: 68.5% M, 31.5% F. Платформа после нормализации: ~52.5% iOS, ~46.7% Android, 1.1% iPadOS.\n",
    "- Признаки «заспамленности» и агрегаты на клиента добавлены: imp/click/order totals, CTR/CR, contact_days, avg_impressions_per_contact_day, order_categories_count.\n",
    "\n",
    "## Каналы и эффективность (агрегировано по всем строкам)\n",
    "- Active impressions ≈ 219.5k, passive impressions ≈ 473.1k.\n",
    "- Active clicks ≈ 147.3k (CTR_active ≈ 0.67), passive clicks ≈ 18.1k (CTR_passive ≈ 0.038).\n",
    "- Заказы всего: 12 439; CR click→order ≈ 7.5%, CR imp→order ≈ 1.8%.\n",
    "- Дневных точек: 284; daily агрегаты подготовлены (CTR/CR, day_of_week).\n",
    "\n",
    "## Демография и устройство vs эффективность (по клиентским агрегатам)\n",
    "- Таблицы по полу/возрастным группам/платформам готовы в `04_clients_segmentation.ipynb` (средние impressions/clicks/orders и CTR/CR).\n",
    "- Гипотезы: в 05-м ноутбуке добавлены примеры Mann–Whitney по CTR active vs passive и по полу; можно расширять на платформы и возраст.\n",
    "\n",
    "## Лаги и сезонность\n",
    "- Дневные ряды и метрики CTR/CR по времени и по дням недели — см. `03_time_and_lags.ipynb`.\n",
    "- Лаги: реализованы кросс-корреляции orders vs impressions/clicks (hotel, avia) для lag 0–7; по клиентам — first_imp/click/order и распределения дней до заказа.\n",
    "\n",
    "## Сегменты и «усталость»\n",
    "- Сегменты каналов: only_active / only_passive / both + метрики; бины по числу категорий заказов.\n",
    "- «Заспамленность»: bin по avg_impressions_per_contact_day с CTR/CR; stacked доли категорий заказов по возрасту.\n",
    "\n",
    "## Модели как часть EDA\n",
    "- На клиентском уровне собран датасет для задачи `has_any_order`; pipeline с OHE + StandardScaler + LogisticRegression и RandomForest (ROC-AUC и важности).\n",
    "- Выводы по коэффициентам/важности доступны в `05_exploratory_models.ipynb`.\n",
    "\n",
    "## Что делать дальше\n",
    "- Прогнать все ноутбуки end-to-end (данные готовы, зависимости в `.venv`): `jupyter lab` или `jupyter nbconvert --execute`.\n",
    "- Уточнить нормализацию категорий (при необходимости) и при желании сохранить `dataset/ds_clean.parquet` (флаг в `01_load_and_clean.ipynb`).\n",
    "- Добавить/актуализировать бизнес-гипотезы (категории, платформы, возраст) и зафиксировать p-value в таблице гипотез.\n",
    "- При необходимости усилить визуализацию: календарные heatmap по CTR, ECDF лагов по каждой категории, PDP для топ-фичей модели.\n"
   ]
  }
 ],
 "metadata": {},
 "nbformat": 4,
 "nbformat_minor": 5
}