CLV の計算と予測

Pythonで学ぶマーケティングのための機械学習

Karolis Urbonas

Head of Analytics & Science, Amazon

CLV の目的

収益/利益で顧客価値を測定する
顧客をベンチマークする
顧客獲得への最大投資額を特定する
本講では簡略化のため利益率は省略し、収益ベースの CLV を用いる

収益ベースの従来型 CLV 公式

基本的な CLV の計算

# Calculate monthly spend per customer
monthly_revenue = online.groupby(['CustomerID','InvoiceMonth'])['TotalSum'].sum().mean()

# Calculate average monthly spend
monthly_revenue = np.mean(monthly_revenue)

# Define lifespan to 36 months
lifespan_months = 36

# Calculate basic CLV
clv_basic = monthly_revenue * lifespan_months

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

平均的な基本 CLV は 4774.6 USD です

粒度の高い CLV の計算

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

# Calculate average number of unique invoices per customer per month
freq = online.groupby(['CustomerID','InvoiceMonth'])['InvoiceNo'].nunique().mean()

# Define lifespan to 36 months
lifespan_months = 36

# Calculate granular CLV
clv_granular = revenue_per_purchase * freq * lifespan_months

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

平均的な粒度の高い CLV は 1635.2 USD です
購入当たり収益: 34.8 USD
月次頻度: 1.3

従来型 CLV の計算

# Calculate monthly spend per customer
monthly_revenue = online.groupby(['CustomerID','InvoiceMonth'])['TotalSum'].sum().mean()

# Calculate average monthly retention rate
retention_rate = retention_rate = retention.iloc[:,1:].mean().mean()

# Calculate average monthly churn rate
churn_rate = 1 - retention_rate

# Calculate traditional CLV 
clv_traditional = monthly_revenue * (retention_rate / 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))

平均的な従来型 CLV は 49.9 USD、維持率は 27.3 %
月次平均収益: 132.6 USD

どの手法を使うべきか

事業モデルに依存します。
従来型 CLV は離脱が確定＝顧客が「離反」すると仮定。
維持率が低いと不安定で、CLV を過小評価しがち。
最も予測が難しいのは将来の頻度。

顧客生涯価値を計算してみましょう

Pythonで学ぶマーケティングのための機械学習