Calcula el CLV tradicional
Ahora vas a calcular uno de los modelos descriptivos de CLV más populares, que tiene en cuenta las tasas de retención y churn. Esto ofrece una estimación más sólida, pero implica ciertas suposiciones que deben validarse. Asegúrate de revisar las diapositivas del vídeo antes de aplicar este método a tu propio caso de uso.
Las librerías pandas y numpy se han cargado como pd y np, respectivamente. Los conjuntos de datos online y retention se han importado para ti.
Este ejercicio forma parte del curso
Machine Learning para marketing en Python
Instrucciones del ejercicio
- Agrupa por
CustomerIDeInvoiceMonthy calcula el gasto mensual por cliente. - Calcula la tasa media de retención mensual.
- Calcula la tasa media de churn mensual.
- Calcula el CLV tradicional multiplicando el gasto medio mensual por la razón de retención a churn.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Calculate monthly spend per customer
monthly_revenue = online.___(['CustomerID','InvoiceMonth'])['___'].sum().mean()
# Calculate average monthly retention rate
retention_rate = retention.iloc[:,1:].mean().mean()
# Calculate average monthly churn rate
churn_rate = 1 - ___
# Calculate traditional CLV
clv_traditional = monthly_revenue * (___ / churn_rate)
# Print traditional CLV and the retention rate values
print('Average traditional CLV is {:.1f} USD at {:.1f} % retention_rate'.format(clv_traditional, retention_rate*100))