Retentie- en churntabellen bouwen
Je hebt de belangrijkste onderdelen van de berekening van customer lifetime value en enkele varianten daarvan geleerd. Nu ga je de gegevensset met maandelijkse cohortactiviteit gebruiken om retentie- en churnwaarden te berekenen. Die ga je vervolgens verkennen en later gebruiken om de gemiddelde customer lifetime value te voorspellen.
De bibliotheek pandas is als pd geladen en de gegevensset cohorts_counts is geïmporteerd. Verken die gerust in de console.
Deze oefening maakt deel uit van de cursus
Machine Learning voor marketing in Python
Oefeninstructies
- Haal de cohortgroottes uit de eerste kolom van
cohort_counts. - Bereken retentie door de cohortaantallen te delen door de cohortgroottes.
- Bereken churn door 1 en de retentiecijfers van elkaar af te trekken.
- Print de retentietabel.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# 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(___)