Обчисліть детальний CLV

У цьому завданні ви використаєте детальніші точки даних на рівні інвойсу. Такий підхід працює з більш гранулярними даними й може дати точнішу оцінку довічної цінності клієнта (CLV). Обов'язково порівняйте результати з базовою моделлю CLV.

Бібліотеки pandas і numpy завантажено як pd та np відповідно. Набір даних online уже імпортовано для вас.

Ця вправа є частиною курсу

Machine Learning для маркетингу в Python

Переглянути курс

Інструкції до вправи

Згрупуйте за InvoiceNo і обчисліть середнє значення стовпця TotalSum.
Згрупуйте за CustomerID і InvoiceMonth та обчисліть середню кількість унікальних щомісячних інвойсів на клієнта.
Визначте тривалість життя на рівні 36 місяців.
Обчисліть детальний CLV, перемноживши три попередні метрики.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Calculate average revenue per invoice
revenue_per_purchase = online.___(['___'])['TotalSum'].mean().mean()

# Calculate average number of unique invoices per customer per month
frequency_per_month = online.___(['CustomerID','InvoiceMonth'])['___'].___().mean()

# Define lifespan to 36 months
lifespan_months = 36

# Calculate granular CLV
clv_granular = ___ * frequency_per_month * lifespan_months

# Print granular CLV value
print('Average granular CLV is {:.1f} USD'.format(clv_granular))

Редагувати та запускати код