Construire les tableaux de rétention et d'attrition
Vous avez appris les éléments clés du calcul de la valeur vie client (Customer Lifetime Value ou CLV) et certaines de ses variantes. Vous allez maintenant utiliser l'ensemble de données d'activité mensuelle par cohorte pour calculer les valeurs de rétention et d'attrition, que vous explorerez ensuite et utiliserez plus tard pour projeter la valeur vie client moyenne.
La bibliothèque pandas a été chargée sous le nom pd et l'ensemble de données cohorts_counts a été importé. N'hésitez pas à l'examiner dans la console.
Cette activité fait partie du cours
Machine Learning pour le marketing en Python
Instructions de l’exercice
- Extrayez la taille des cohortes à partir de la première colonne de
cohort_counts. - Calculez la rétention en divisant les comptes de cohortes par la taille des cohortes.
- Calculez l'attrition en soustrayant les taux de rétention de 1.
- Affichez le tableau de rétention.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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(___)