Retention- und Churn-Tabellen erstellen
Du hast die wichtigsten Elemente der Berechnung des Customer Lifetime Value und einige Varianten davon kennengelernt. Jetzt nutzt du den Datensatz zur monatlichen Kohortenaktivität, um Retention- und Churn-Werte zu berechnen, die du anschließend untersuchst und später verwendest, um den durchschnittlichen Customer Lifetime Value zu prognostizieren.
Die Bibliothek pandas wurde als pd geladen und der Datensatz cohorts_counts wurde importiert. Du kannst ihn in der Konsole erkunden.
Diese Übung ist Teil des Kurses
<Kurs>Machine Learning für Marketing mit Python</Kurs>Übungsanweisungen
- Extrahiere die Kohortengrößen aus der ersten Spalte von
cohort_counts. - Berechne die Retention, indem du die Kohortenzahlen durch die Kohortengrößen teilst.
- Berechne Churn, indem du die Retention-Raten von 1 abziehst.
- Gib die Retention-Tabelle aus.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Extract cohort sizes from the first column of cohort_counts
cohort_sizes = cohort_counts.___[:,0]
# Calculate retention by dividing the counts with the cohort sizes
retention = cohort_counts.___(cohort_sizes, axis=0)
# Calculate churn
churn = 1 - ___
# Print the retention table
print(___)