Verken retentie en churn
Nu je de maandelijkse retentie- en churnstatistieken voor klantcohorten per maand hebt berekend, kun je de totale gemiddelde retentie- en churnpercentages bepalen. Je gebruikt de methode .mean() twee keer achter elkaar (dit heet “chaining”) om het algemene gemiddelde te berekenen. Je moet de waarden van de eerste maand (eerste kolom) uitsluiten, omdat die constant zijn: in de eerste maand zijn klanten net actief geworden, dus is hun retentie 100% en churn 0% voor alle cohorten.
De bibliotheken pandas en numpy zijn respectievelijk geladen als pd en np. De maandelijkse gegevenssets retention en churn die je in de vorige oefeningen hebt opgebouwd, zijn ook geïmporteerd.
Deze oefening maakt deel uit van de cursus
Machine Learning voor marketing in Python
Oefeninstructies
- Bereken het gemiddelde retentiepercentage.
- Bereken het gemiddelde churnpercentage.
- Print de afgeronde retentie- en churnpercentages.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Calculate the mean retention rate
retention_rate = retention.iloc[:,1:].mean().___()
# Calculate the mean churn rate
churn_rate = churn.iloc[:,1:].mean().___()
# Print rounded retention and churn rates
print('Retention rate: {:.2f}; Churn rate: {:.2f}'.format(___, churn_rate))