計算傳統 CLV
現在你要計算一種最常見的描述式 CLV 模型，會同時考量留存率與流失率。這能提供更穩健的估計，但伴隨一些需要驗證的假設。請先回顧影片投影片，再將此方法應用到你自己的情境。
pandas 與 numpy 已分別載入為 pd 與 np。online 與 retention 資料集也已為你匯入。
本練習屬於課程
Python 的行銷機器學習
練習說明
- 以
CustomerID與InvoiceMonth分組，計算每位客戶的月花費。 - 計算平均每月留存率。
- 計算平均每月流失率。
- 將每月平均花費乘上「留存對流失」的比率，計算傳統 CLV。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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))