Calculează CLV granular

În acest scenariu vei folosi date mai granulare la nivelul facturii. Această abordare utilizează date mai detaliate și poate oferi o estimare mai bună a valorii pe durata de viață a clientului. Asigură-te că compari rezultatele cu cele din modelul CLV de bază.

Bibliotecile pandas și numpy au fost încărcate ca pd, respectiv np. Setul de date online a fost importat pentru tine.

Acest exercițiu face parte din cursul

Machine Learning pentru Marketing în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Grupează după InvoiceNo și calculează media coloanei TotalSum.
Grupează după CustomerID și InvoiceMonth și calculează numărul mediu de facturi lunare unice per client.
Definește durata de viață la 36 de luni.
Calculează CLV granular înmulțind cele trei metrici anterioare.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Calculate average revenue per invoice
revenue_per_purchase = online.___(['___'])['TotalSum'].mean().mean()

# Calculate average number of unique invoices per customer per month
frequency_per_month = online.___(['CustomerID','InvoiceMonth'])['___'].___().mean()

# Define lifespan to 36 months
lifespan_months = 36

# Calculate granular CLV
clv_granular = ___ * frequency_per_month * lifespan_months

# Print granular CLV value
print('Average granular CLV is {:.1f} USD'.format(clv_granular))

Editează și rulează codul