Nivel 2 · Verifica y construye el embudo web en pandas

Qué estás verificando y por qué

web_sessions es una tabla de seguimiento: cada visita al sitio, su dispositivo y fuente, cuántas páginas vio y si terminó en una compra. Las tablas de seguimiento están llenas de huecos, así que antes de construir un embudo sobre una, averigua lo que puede y no puede mostrar. El paso 1 hace cuatro preguntas de una pasada:

• ¿Se cuenta alguna sesión dos veces? Compara len(s) con s["session_id"].nunique().
• ¿Hay sesiones vacías? Una visita con cero páginas es un fallo de seguimiento.
• ¿Quién puede convertir? Cuenta las sesiones anónimas y cuántas de ellas convirtieron.
• ¿Se sostiene la definición? Cuenta las conversiones con menos de tres páginas.

Una condición sobre una columna da una Series booleana, y sumarla cuenta los valores True:

anon = s["customer_id"].isna()
(anon & s["converted"]).sum()   # 0

El cero es el número más importante del caso. Más de la mitad de las sesiones nunca pueden mostrar una compra, porque las compras solo se registran contra una cuenta. Las tasas que construyas a continuación son tasas de compras registradas, y el embudo necesita una etapa para iniciar sesión. Envolver cada conteo en int() convierte los enteros de NumPy en números simples para el DataFrame de una fila.

Un embudo es una cadena de columnas booleanas

Un embudo sigue a las mismas sesiones a través de etapas que se estrechan: todas las sesiones, engaged (pages_viewed >= 3), engaged con sesión iniciada, converted. En pandas cada etapa es una columna booleana, y la agregación con nombre las suma por dispositivo en una sola llamada:

result = s.groupby("device", as_index=False).agg(
    sessions=("session_id", "count"),
    engaged=("engaged", "sum"),
    known_engaged=("known_engaged", "sum"),
    converted=("converted", "sum"),
)

Las tasas dividen una etapa entre la anterior, para ver dónde abandona la gente: engaged_pct es el paso de navegación, close_pct es el paso de pago.

Cómo leer el embudo

device	engaged_pct	close_pct	conversion_pct
desktop	44.1	21.4	3.87
mobile	44.1	12.9	2.41
tablet	44.8	14.6	2.81

El paso de navegación es el mismo en todos los dispositivos. El paso de pago es donde el móvil se queda atrás. Eso cambia el encargo al equipo móvil: las páginas de producto cumplen su función; la cesta, el inicio de sesión y el formulario de pago son donde hay que mirar.

Por qué importa la vista por año

El paso 3 repite la tasa de conversión por año, una columna por dispositivo. Un buen truco: multiplica un booleano por 100 y su media es un porcentaje. unstack() convierte entonces el nivel de dispositivo del índice en columnas. La proporción de tráfico móvil creció cada año, y el móvil convierte menos, así que la tasa global es un promedio ponderado cuyos pesos se siguen moviendo hacia la tasa baja. Todos los dispositivos mejoraron de 2023 a 2025, mientras la tasa global creció mucho menos. Si mantuvieras la mezcla de dispositivos de 2023 y aplicaras las tasas de 2025, la tasa global sería aproximadamente 3.24% en lugar de 3.08%. Divide siempre una tasa por sus segmentos antes de llamarla tendencia.

Trampas

• == None y == np.nan nunca coinciden; usa .isna() y .notna().
• & tiene mayor precedencia que <, así que envuelve cada comparación entre paréntesis.
• Dividir entre sessions para la tasa de cierre mezcla etapas: divide entre la etapa inmediatamente anterior.