Müşteri Yaşam Boyu Değeri (CLV) temelleri

Python ile Pazarlama için Machine Learning

Karolis Urbonas

Head of Analytics & Science, Amazon

CLV nedir?

  • Müşteri değerinin ölçümü
  • Geçmişe dayalı veya tahmini olabilir
  • Birden çok yaklaşım; iş türüne bağlıdır
  • Bazı yöntemler formüle, bazıları tahmine ve dağılıma dayalıdır
Python ile Pazarlama için Machine Learning

Tarihsel CLV

  • Geçmiş tüm işlemlerin gelirini toplayın
  • Kâr marjı ile çarpın
  • Alternatif: mümkünse geçmiş tüm işlemlerin kârını toplayın
  • Zorluk 1 - kıdem, elde tutma ve churn’ü hesaba katmaz
  • Zorluk 2 - yeni müşteriler ve gelecekteki gelirlerini kapsamaz

Tarihsel CLV

Python ile Pazarlama için Machine Learning

Temel CLV formülü

  • Ortalama geliri kâr marjı ile çarpıp ortalama kârı bulun
  • Bunu ortalama müşteri ömrü ile çarpın

Basit CLV

Python ile Pazarlama için Machine Learning

Ayrıntılı CLV formülü

  • Satın alma başına ortalama geliri, ortalama sıklık ve kâr marjı ile çarpın
  • Bunu ortalama müşteri ömrü ile çarpın
  • İşlem başına ortalama gelir ve dönem başına ortalama sıklığı kapsar

Ayrıntılı CLV

Python ile Pazarlama için Machine Learning

Geleneksel CLV formülü

  • Ortalama geliri kâr marjı ile çarpın
  • Ortalama kârı elde tutma/churn oranı ile çarpın
  • Churn, elde tutmadan türetilir ve 1 eksi elde tutma oranıdır
  • Müşteri sadakatini hesaba katar; en yaygın yaklaşımdır

Geleneksel CLV

Python ile Pazarlama için Machine Learning

İşlem veri setine giriş

  • Çevrimiçi perakende veri seti
  • Harcama, miktar ve diğer değerlerle işlemler

Çevrimiçi Perakende

Python ile Pazarlama için Machine Learning

Kohort veri setine giriş

  • Çevrimiçi perakende veri setinden türetildi
  • Edinim ayı atandı
  • Edinimden sonraki aylarda müşteri sayıları için pivot tablo
  • Bunu elde tutma oranını hesaplamak için kullanacağız

Kohort sayıları

Python ile Pazarlama için Machine Learning

Aylık elde tutmayı hesaplayın

Kohort büyüklüklerini hesaplamak için ilk ay değerlerini kullanın

cohort_sizes = cohort_counts.iloc[:,0]

Aylık aktif kullanıcıları başlangıç büyüklüklerine bölerek elde tutmayı hesaplayın ve churn değerlerini türetin

retention = cohort_counts.divide(cohort_sizes, axis=0)
churn = 1 - retention

Elde tutma değerlerini ısı haritasında görselleştirin

sns.heatmap(retention, annot=True, vmin=0, vmax=0.5, cmap="YlGn")
Python ile Pazarlama için Machine Learning

Elde tutma tablosu

Elde tutma tablosu

Python ile Pazarlama için Machine Learning

Bazı CLV metriklerini hesaplayalım!

Python ile Pazarlama için Machine Learning

Preparing Video For Download...