Tính CLV chi tiết (granular)
Trong tình huống này, bạn sẽ dùng dữ liệu chi tiết hơn ở cấp độ hóa đơn. Cách tiếp cận này sử dụng dữ liệu chi tiết hơn và có thể cho ước tính giá trị vòng đời khách hàng (customer lifetime value) chính xác hơn. Hãy nhớ so sánh kết quả với mô hình CLV cơ bản.
Thư viện pandas và numpy đã được nạp lần lượt dưới dạng pd và np. Bộ dữ liệu online đã được nhập sẵn cho bạn.
Bài tập này là một phần của khóa học
Machine Learning cho Marketing với Python
Hướng dẫn bài tập
- Group by
InvoiceNovà tính giá trị trung bình của cộtTotalSum. - Group by
CustomerIDvàInvoiceMonthrồi tính số trung bình hóa đơn theo tháng duy nhất trên mỗi khách hàng. - Đặt lifespan là 36 tháng.
- Tính CLV chi tiết bằng cách nhân ba chỉ số ở các bước trước.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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))