従来型のCLVを計算する

ここでは、リテンション率とChurn率を考慮する、最も一般的な記述的CLVモデルのひとつを計算します。これはより堅牢な推定になりますが、いくつかの前提を満たしているか検証する必要があります。ご自身のユースケースに適用する前に、必ずビデオのスライドを見返してください。

pandas と numpy ライブラリはそれぞれ pd と np として読み込まれています。online と retention のデータセットはインポート済みです。

この演習はコースの一部です

Pythonで学ぶマーケティングのための機械学習

コースを見る

演習の手順

CustomerID と InvoiceMonth でグループ化し、顧客ごとの月次支出を計算します。
月次の平均リテンション率を計算します。
月次の平均Churn率を計算します。
月次平均支出に、リテンションとChurnの比率を掛けて従来型のCLVを計算します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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))

コードを編集して実行