Beräkna traditionellt CLV
Nu ska du beräkna en av de mest populära deskriptiva CLV-modellerna, som tar hänsyn till retention- och churnfrekvenser. Det ger en mer robust uppskattning, men bygger på vissa antaganden som måste valideras. Gå igenom videodiabilder innan du tillämpar den här metoden på ditt eget användningsfall.
Biblioteken pandas och numpy har laddats in som pd respektive np. Datamängderna online och retention har importerats åt dig.
Den här övningen är en del av kursen
Maskininlärning för marknadsföring i Python
Övningsinstruktioner
- Gruppera efter
CustomerIDochInvoiceMonthoch beräkna månatliga utgifter per kund. - Beräkna den genomsnittliga månatliga retentionsfrekvensen.
- Beräkna den genomsnittliga månatliga churnfrekvensen.
- Beräkna traditionellt CLV genom att multiplicera den genomsnittliga månatliga utgiften med kvoten mellan retention och churn.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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))