Calcular CLV tradicional
Agora você vai calcular um dos modelos descritivos de CLV mais populares, que considera as taxas de retenção e de churn. Isso fornece uma estimativa mais robusta, mas vem com certas premissas que precisam ser validadas. Revise os slides do vídeo antes de aplicar este método ao seu próprio caso de uso.
As bibliotecas pandas e numpy já foram carregadas como pd e np, respectivamente. Os conjuntos de dados online e retention foram importados para você.
Este exercício faz parte do curso
Machine Learning para Marketing em Python
Instruções do exercício
- Faça um groupby por
CustomerIDeInvoiceMonthe calcule o gasto mensal por cliente. - Calcule a taxa média mensal de retenção.
- Calcule a taxa média mensal de churn.
- Calcule o CLV tradicional multiplicando o gasto médio mensal pela razão entre retenção e churn.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Calculate monthly spend per customer
monthly_revenue = online.___(['CustomerID','InvoiceMonth'])['___'].sum().mean()
# Calculate average monthly retention rate
retention_rate = retention.iloc[:,1:].mean().mean()
# Calculate average monthly churn rate
churn_rate = 1 - ___
# Calculate traditional CLV
clv_traditional = monthly_revenue * (___ / churn_rate)
# Print traditional CLV and the retention rate values
print('Average traditional CLV is {:.1f} USD at {:.1f} % retention_rate'.format(clv_traditional, retention_rate*100))