สำรวจ retention และ churn

เมื่อคำนวณ retention และ churn รายเดือนสำหรับแต่ละกลุ่มลูกค้าแล้ว ขั้นตอนต่อไปคือการคำนวณค่าเฉลี่ยรวมของทั้งสองตัวชี้วัด โดยจะใช้เมธอด .mean() สองครั้งต่อเนื่องกัน (เรียกว่า "chaining") เพื่อให้ได้ค่าเฉลี่ยโดยรวม ทั้งนี้ต้องยกเว้นค่าของเดือนแรก (คอลัมน์แรก) ออกจากการคำนวณ เนื่องจากค่าเหล่านี้คงที่เสมอ กล่าวคือ ในเดือนแรกที่ลูกค้าเริ่มใช้งาน retention จะเป็น 100% และ churn จะเป็น 0% ทุกกลุ่ม

ไลบรารี pandas และ numpy ถูกโหลดไว้แล้วในชื่อ pd และ np ตามลำดับ รวมถึงชุดข้อมูล retention และ churn รายเดือนที่สร้างไว้ในแบบฝึกหัดก่อนหน้าก็ถูกนำเข้ามาแล้วเช่นกัน

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning สำหรับการตลาดด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

คำนวณค่าเฉลี่ย retention rate
คำนวณค่าเฉลี่ย churn rate
แสดงผล retention rate และ churn rate แบบปัดเศษ

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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))

แก้ไขและรันโค้ด