Crea tablas de retención y churn
Has aprendido los elementos principales del cálculo del valor del tiempo de vida del cliente y algunas de sus variaciones. Ahora usarás el conjunto de datos de actividad mensual por cohorte para calcular los valores de retención y churn, que luego explorarás y usarás para proyectar el valor medio del tiempo de vida del cliente.
La biblioteca pandas se ha cargado como pd y el conjunto de datos cohorts_counts ya se ha importado. Si quieres, explóralo en la consola.
Este ejercicio forma parte del curso
Machine Learning para marketing en Python
Instrucciones del ejercicio
- Extrae los tamaños de cohorte de la primera columna de
cohort_counts. - Calcula la retención dividiendo los conteos de cohorte entre los tamaños de cohorte.
- Calcula el churn restando a 1 las tasas de retención.
- Imprime la tabla de retención.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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(___)