Основы пожизненной ценности клиента (CLV)

Машинное обучение для маркетинга на Python

Karolis Urbonas

Head of Analytics & Science, Amazon

Что такое CLV?

  • Метрика ценности клиента
  • Может быть исторической или прогнозной
  • Несколько подходов в зависимости от типа бизнеса
  • Одни методы основаны на формулах, другие — предиктивные и распределённые
Машинное обучение для маркетинга на Python

Исторический CLV

  • Сумма выручки по всем прошлым транзакциям
  • Умножить на норму прибыли
  • Или — сумма прибыли по всем прошлым транзакциям, если доступна
  • Ограничение 1 — не учитывает срок жизни, удержание и отток
  • Ограничение 2 — не учитывает новых клиентов и их будущую выручку

Исторический CLV

Машинное обучение для маркетинга на Python

Базовая формула CLV

  • Умножить среднюю выручку на норму прибыли, чтобы получить среднюю прибыль
  • Умножить на средний срок жизни клиента

Базовый CLV

Машинное обучение для маркетинга на Python

Детализированная формула CLV

  • Умножить среднюю выручку на покупку на среднюю частоту и на норму прибыли
  • Умножить на средний срок жизни клиента
  • Учитывает среднюю выручку на транзакцию и среднюю частоту за период

Детализированный CLV

Машинное обучение для маркетинга на Python

Традиционная формула CLV

  • Умножить среднюю выручку на норму прибыли
  • Умножить среднюю прибыль на отношение удержания к оттоку
  • Отток выводится из удержания: равен 1 минус коэффициент удержания
  • Учитывает лояльность клиентов — наиболее популярный подход

Традиционный CLV

Машинное обучение для маркетинга на Python

Знакомство с набором данных транзакций

  • Набор данных об онлайн-торговле
  • Транзакции с суммой покупки, количеством и другими значениями

Онлайн-торговля

Машинное обучение для маркетинга на Python

Знакомство с набором данных когорт

  • Создан на основе набора данных об онлайн-торговле
  • Назначен месяц привлечения
  • Сводная таблица с количеством клиентов в последующих месяцах после привлечения
  • Используется для расчёта коэффициента удержания

Данные когорт

Машинное обучение для маркетинга на Python

Расчёт ежемесячного удержания

Используйте значения первого месяца для расчёта размеров когорт

cohort_sizes = cohort_counts.iloc[:,0]

Рассчитайте удержание, разделив ежемесячных активных пользователей на их начальные размеры, и определите значения оттока

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

Отобразите значения удержания в виде тепловой карты

sns.heatmap(retention, annot=True, vmin=0, vmax=0.5, cmap="YlGn")
Машинное обучение для маркетинга на Python

Таблица удержания

Таблица удержания

Машинное обучение для маркетинга на Python

Давайте потренируемся!

Машинное обучение для маркетинга на Python

Preparing Video For Download...