计算传统 CLV

现在，您将计算一种最常见的描述性 CLV 模型，它同时考虑留存率与流失率。这个方法能给出更稳健的估计，但前提是假设需要验证。请在将此方法应用到您自己的场景前，先回顾视频幻灯片。

pandas 与 numpy 库分别已作为 pd 与 np 载入。online 与 retention 数据集也已为您导入。

本练习是课程的一部分

Python 营销中的机器学习

查看课程

练习说明

以 CustomerID 与 InvoiceMonth 分组，计算每位客户的月度消费。
计算平均月度留存率。
计算平均月度流失率。
用月度平均消费乘以「留存率与流失率之比」来计算传统 CLV。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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))

编辑并运行代码