คำนวณ CLV แบบดั้งเดิม

ในแบบฝึกหัดนี้ จะได้คำนวณโมเดล CLV เชิงพรรณนาที่ได้รับความนิยมสูงสุดแบบหนึ่ง ซึ่งคำนึงถึงอัตรา retention และ churn โมเดลนี้ให้ค่าประมาณที่แม่นยำขึ้น แต่มีข้อสมมติบางประการที่ต้องตรวจสอบให้ครบถ้วน ควรทบทวนสไลด์วิดีโอก่อนนำวิธีนี้ไปใช้กับข้อมูลของคุณเอง

ไลบรารี pandas และ numpy ถูกโหลดเป็น pd และ np ตามลำดับ ชุดข้อมูล online และ retention ถูกนำเข้ามาให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Machine Learning สำหรับการตลาดด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

จัดกลุ่มตาม CustomerID และ InvoiceMonth แล้วคำนวณยอดใช้จ่ายรายเดือนต่อลูกค้า
คำนวณอัตรา retention รายเดือนเฉลี่ย
คำนวณอัตรา churn รายเดือนเฉลี่ย
คำนวณ CLV แบบดั้งเดิมโดยคูณยอดใช้จ่ายเฉลี่ยรายเดือนกับอัตราส่วน retention ต่อ churn

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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))

แก้ไขและรันโค้ด