Construir tabelas de retenção e churn
Você aprendeu os principais elementos do cálculo de Customer Lifetime Value e algumas variações. Agora, você vai usar o conjunto de dados de atividade mensal por coorte para calcular os valores de retenção e churn, que você explorará e depois usará para projetar o valor médio de lifetime do cliente.
A biblioteca pandas já foi carregada como pd e o conjunto de dados cohorts_counts foi importado. Fique à vontade para explorá-lo no console.
Este exercício faz parte do curso
Machine Learning para Marketing em Python
Instruções do exercício
- Extraia os tamanhos das coortes a partir da primeira coluna de
cohort_counts. - Calcule a retenção dividindo as contagens da coorte pelos tamanhos das coortes.
- Calcule o churn subtraindo as taxas de retenção de 1.
- Imprima a tabela de retenção.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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(___)