Retention und Churn untersuchen
Nachdem du die monatlichen Retentions- und Churn-Metriken für monatliche Kundenkohorten berechnet hast, kannst du die übergreifenden durchschnittlichen Retentions- und Churn-Raten berechnen. Du verwendest die Methode .mean() zweimal hintereinander (das nennt man „Chaining“), um den Gesamtmittelwert zu berechnen. Du musst die Werte des ersten Monats (erste Spalte) aus dieser Berechnung ausschließen, da sie konstant sind: Im ersten aktiven Monat haben alle Kunden 100 % Retention und 0 % Churn.
Die Bibliotheken pandas und numpy wurden als pd bzw. np geladen. Die monatlichen Datensätze retention und churn, die du in den vorherigen Übungen erstellt hast, wurden ebenfalls importiert.
Diese Übung ist Teil des Kurses
Machine Learning für Marketing mit Python
Anleitung zur Übung
- Berechne die durchschnittliche Retentionsrate.
- Berechne die durchschnittliche Churn-Rate.
- Gib die gerundeten Retentions- und Churn-Raten aus.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Calculate the mean retention rate
retention_rate = retention.iloc[:,1:].mean().___()
# Calculate the mean churn rate
churn_rate = churn.iloc[:,1:].mean().___()
# Print rounded retention and churn rates
print('Retention rate: {:.2f}; Churn rate: {:.2f}'.format(___, churn_rate))