ग्रैन्युलर CLV की गणना करें
इस परिदृश्य में आप इनवॉइस स्तर पर और अधिक ग्रैन्युलर डेटा पॉइंट्स उपयोग करेंगे. यह अप्रोच अधिक ग्रैन्युलर डेटा लेती है और कस्टमर लाइफटाइम वैल्यू का बेहतर अनुमान दे सकती है. सुनिश्चित करें कि आप परिणामों की तुलना बेसिक CLV मॉडल से प्राप्त परिणामों के साथ करें.
pandas और numpy लाइब्रेरी क्रमशः pd और np के रूप में लोड की गई हैं. online डेटासेट आपके लिए इम्पोर्ट कर दिया गया है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में मार्केटिंग के लिए मशीन लर्निंग
अभ्यास निर्देश
InvoiceNoके आधार पर group by करें औरTotalSumकॉलम का mean निकालें.CustomerIDऔरInvoiceMonthके आधार पर group by करें और प्रति कस्टमर यूनिक मासिक इनवॉइसों की औसत संख्या निकालें.- lifespan को 36 महीनों के लिए परिभाषित करें.
- पहले वाले तीनों मेट्रिक्स को गुणा करके ग्रैन्युलर CLV निकालें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Calculate average revenue per invoice
revenue_per_purchase = online.___(['___'])['TotalSum'].mean().mean()
# Calculate average number of unique invoices per customer per month
frequency_per_month = online.___(['CustomerID','InvoiceMonth'])['___'].___().mean()
# Define lifespan to 36 months
lifespan_months = 36
# Calculate granular CLV
clv_granular = ___ * frequency_per_month * lifespan_months
# Print granular CLV value
print('Average granular CLV is {:.1f} USD'.format(clv_granular))