客户终身价值（CLV）基础

Python 营销中的机器学习

Karolis Urbonas

Head of Analytics & Science, Amazon

什么是 CLV？

  • 衡量客户价值
  • 可为历史值或预测值
  • 多种方法，取决于业务类型
  • 有基于公式的方法，也有基于预测与分布的方法
Python 营销中的机器学习

历史 CLV

  • 汇总所有历史交易的收入
  • 乘以利润率
  • 或者：如有，汇总所有历史交易的利润
  • 挑战 1：未考虑客户期限、留存与流失
  • 挑战 2：未考虑新客户及其未来收入

历史 CLV

Python 营销中的机器学习

基础 CLV 公式

  • 平均收入 × 利润率 = 平均利润
  • 再乘以平均客户生命周期

基础 CLV

Python 营销中的机器学习

细化 CLV 公式

  • 平均每次购买收入 × 平均频率 × 利润率
  • 再乘以平均客户生命周期
  • 同时考虑单次交易收入与周期内频率

细化 CLV

Python 营销中的机器学习

传统 CLV 公式

  • 平均收入 × 利润率
  • 将平均利润乘以 留存/流失 比率
  • 流失率由留存率推得：1 − 留存率
  • 体现客户忠诚度，最常用的方法

传统 CLV

Python 营销中的机器学习

交易数据集简介

  • 在线零售数据集
  • 交易包含花费、数量等字段

在线零售

Python 营销中的机器学习

分群（Cohorts）数据集简介

  • 源自在线零售数据集
  • 标注获客月份
  • 透视表：获客后各月的客户数
  • 用于计算留存率

分群计数

Python 营销中的机器学习

计算月度留存

用第1个月的值计算分群规模

cohort_sizes = cohort_counts.iloc[:,0]

以月活用户除以初始规模计算留存，并得到流失

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

用热图绘制留存率

sns.heatmap(retention, annot=True, vmin=0, vmax=0.5, cmap="YlGn")
Python 营销中的机器学习

留存表

留存表

Python 营销中的机器学习

让我们计算一些 CLV 指标！

Python 营销中的机器学习

Preparing Video For Download...