Elde tutma ve churn tablolarını oluştur
Müşteri yaşam boyu değeri (Customer Lifetime Value - CLV) hesaplamasının temel öğelerini ve bunun bazı varyasyonlarını öğrendin. Şimdi aylık kohort aktivite veri kümesini kullanarak elde tutma (retention) ve churn değerlerini hesaplayacaksın; bunları önce inceleyip sonra ortalama müşteri yaşam boyu değerini projekte etmek için kullanacağız.
pandas kütüphanesi pd olarak yüklendi ve cohorts_counts veri kümesi içe aktarıldı. Konsolda özgürce keşfedebilirsin.
Bu egzersiz
Python ile Pazarlama için Machine Learning
kursunun bir parçasıdırEgzersiz talimatları
cohort_countsveri çerçevesinin ilk sütunundan kohort boyutlarını çıkar.- Elde tutmayı, kohort sayılarını kohort boyutlarına bölerek hesapla.
- Churn'ü, 1'den elde tutma oranlarını çıkararak hesapla.
- Elde tutma tablosunu yazdır.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# 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(___)