Calcola il CLV tradizionale
Ora calcolerai uno dei modelli descrittivi di CLV più diffusi, che considera i tassi di retention e churn. Questo fornisce una stima più robusta, ma comporta alcune assunzioni che devono essere validate. Assicurati di rivedere le diapositive del video prima di applicare questo metodo al tuo caso d'uso.
Le librerie pandas e numpy sono state caricate rispettivamente come pd e np. Gli insiemi di dati online e retention sono già stati importati per te.
Questo esercizio fa parte del corso
Machine Learning per il marketing con Python
Istruzioni dell'esercizio
- Raggruppa per
CustomerIDeInvoiceMonthe calcola la spesa mensile per cliente. - Calcola il tasso medio di retention mensile.
- Calcola il tasso medio di churn mensile.
- Calcola il CLV tradizionale moltiplicando la spesa media mensile per il rapporto retention/churn.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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))