Bygg tabeller för retention och churn
Du har lärt dig de viktigaste delarna i beräkningen av customer lifetime value och några varianter av den. Nu ska du använda den månatliga kohortaktivitetsdatamängden för att beräkna retention- och churnvärden, som du sedan utforskar och använder för att prognostisera ett genomsnittligt customer lifetime value.
Biblioteket pandas har laddats som pd och datamängden cohorts_counts har importerats. Utforska den gärna i konsolen.
Den här övningen är en del av kursen
Maskininlärning för marknadsföring i Python
Övningsinstruktioner
- Extrahera kohortstorlekar från den första kolumnen i
cohort_counts. - Beräkna retention genom att dividera kohortantalet med kohortstorlekarna.
- Beräkna churn genom att subtrahera retentionsvärdena från 1.
- Skriv ut retentionstabellen.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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(___)