Tworzenie tabel retencji i rezygnacji
Poznałeś już główne elementy obliczania wartości życiowej klienta oraz różne jej warianty. Teraz wykorzystasz miesięczny zbiór danych aktywności kohort, aby obliczyć wskaźniki retencji i rezygnacji (churn). Następnie przeanalizujesz te dane i użyjesz ich do prognozowania średniej wartości życiowej klienta.
Biblioteka pandas została załadowana jako pd, a zbiór danych cohorts_counts jest już zaimportowany. Możesz swobodnie eksplorować go w konsoli.
To ćwiczenie jest częścią kursu
Uczenie maszynowe w marketingu w Pythonie
Instrukcje do ćwiczenia
- Wyodrębnij rozmiary kohort z pierwszej kolumny zbioru
cohort_counts. - Oblicz retencję, dzieląc liczebności kohort przez ich rozmiary.
- Oblicz wskaźnik rezygnacji (churn), odejmując wskaźniki retencji od 1.
- Wyświetl tabelę retencji.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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(___)