Calculer le taux de rétention à partir de zéro
Vous avez vu comment créer un tableau des indicateurs de rétention et de quantité moyenne pour les cohortes d'acquisition mensuelles. C'est maintenant à vous de construire les indicateurs de rétention par vous‑même.
Le jeu de données online a été chargé pour vous avec les cohortes mensuelles et l'indice de cohorte attribués dans cette leçon. N'hésitez pas à l'afficher dans la console.
De plus, nous avons créé et chargé un objet groupby sous forme de DataFrame nommé grouping avec cette commande :
grouping = online.groupby(['CohortMonth', 'CohortIndex'])
Cette activité fait partie du cours
Segmentation de la clientèle en Python
Instructions de l’exercice
- Sélectionnez la colonne de l'ID client, comptez le nombre de valeurs uniques, stockez‑le dans
cohort_data, puis réinitialisez son index. - Créez un tableau croisé (pivot) avec la cohorte mensuelle en index, l'indice de cohorte en colonnes et l'ID client en valeurs.
- Sélectionnez la première colonne et stockez‑la dans
cohort_sizes. - Divisez le nombre de la cohorte par la taille des cohortes le long des rangées.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Count the number of unique values per customer ID
cohort_data = grouping[____].apply(pd.Series.____).reset_index()
# Create a pivot
cohort_counts = cohort_data.____(index=____, columns=____, values=____)
# Select the first column and store it to cohort_sizes
cohort_sizes = cohort_counts.iloc[:,____]
# Divide the cohort count by cohort sizes along the rows
retention = cohort_counts.____(____, axis=____)