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