유지율과 이탈률 테이블 만들기
이제 고객 생애 가치(Customer Lifetime Value)의 핵심 요소와 몇 가지 변형을 학습하셨습니다. 이번에는 월별 코호트 활동 데이터셋을 사용해 유지율과 이탈률을 계산하고, 이를 탐색한 뒤 평균 고객 생애 가치를 예측하는 데 활용해 보겠습니다.
pandas 라이브러리는 pd로 불러왔고 cohorts_counts 데이터셋도 가져왔습니다. 콘솔에서 자유롭게 탐색해 보세요.
이 연습은 강의의 일부입니다
Python으로 배우는 마케팅용 Machine Learning
연습 안내
cohort_counts의 첫 번째 열에서 코호트 크기를 추출하세요.- 코호트 수를 코호트 크기로 나누어 유지율을 계산하세요.
- 유지율에서 1을 빼서 이탈률을 계산하세요.
- 유지율 테이블을 출력하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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(___)