Hitung CLV tradisional

Sekarang Anda akan menghitung salah satu model CLV deskriptif paling populer yang mempertimbangkan tingkat retensi dan churn. Ini memberikan estimasi yang lebih andal, tetapi memiliki asumsi tertentu yang harus divalidasi. Pastikan Anda meninjau slide video sebelum menerapkan metode ini pada kasus penggunaan Anda sendiri.

Pustaka pandas dan numpy telah dimuat masing-masing sebagai pd dan np. Himpunan data online dan retention telah diimpor untuk Anda.

Latihan ini adalah bagian dari kursus

Machine Learning untuk Pemasaran dengan Python

Lihat Kursus

Petunjuk latihan

Kelompokkan berdasarkan CustomerID dan InvoiceMonth, lalu hitung belanja bulanan per pelanggan.
Hitung rata-rata tingkat retensi bulanan.
Hitung rata-rata tingkat churn bulanan.
Hitung CLV tradisional dengan mengalikan rata-rata belanja bulanan dengan rasio retensi terhadap churn.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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))

Edit dan Jalankan Kode