Utforska kvarhållning och churn
Nu när du har beräknat månatliga kvarhållnings- och churn-mätvärden för kundkohorter kan du beräkna det totala genomsnittliga kvarhållnings- och churn-talet. Du använder metoden .mean() två gånger i rad – en teknik som kallas "kedjning" – för att beräkna det totala medelvärdet. Du behöver utesluta värdena för den första månaden (första kolumnen) från beräkningen, eftersom de är konstanta: det är kundernas första aktiva månad, vilket innebär att kvarhållningen är 100 % och churn är 0 % för alla kohorter.
Biblioteken pandas och numpy har laddats som pd respektive np. De månatliga datamängderna retention och churn som du byggde i tidigare övningar är också importerade.
Den här övningen är en del av kursen
Maskininlärning för marknadsföring i Python
Övningsinstruktioner
- Beräkna det genomsnittliga kvarhållningstalet.
- Beräkna det genomsnittliga churn-talet.
- Skriv ut avrundade kvarhållnings- och churn-tal.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Calculate the mean retention rate
retention_rate = retention.iloc[:,1:].mean().___()
# Calculate the mean churn rate
churn_rate = churn.iloc[:,1:].mean().___()
# Print rounded retention and churn rates
print('Retention rate: {:.2f}; Churn rate: {:.2f}'.format(___, churn_rate))