Customer Lifetime Value (CLV) मूल बातें

Python में मार्केटिंग के लिए मशीन लर्निंग

Karolis Urbonas

Head of Analytics & Science, Amazon

CLV क्या है?

  • ग्राहक वैल्यू का मापन
  • ऐतिहासिक या पूर्वानुमानित हो सकता है
  • कई तरीके, बिज़नेस के प्रकार पर निर्भर
  • कुछ तरीकों में फॉर्मूला है, कुछ predictive और distribution आधारित
Python में मार्केटिंग के लिए मशीन लर्निंग

Historical CLV

  • सभी पिछली ट्रांज़ैक्शनों का revenue जोड़ें
  • उसे profit margin से गुणा करें
  • वैकल्पिक: यदि उपलब्ध हो, तो सभी पिछली ट्रांज़ैक्शनों का profit जोड़ें
  • चुनौती 1 - tenure, retention और churn का हिसाब नहीं रखता
  • चुनौती 2 - नए ग्राहकों और उनके भविष्य के revenue का हिसाब नहीं रखता

Historical CLV

Python में मार्केटिंग के लिए मशीन लर्निंग

Basic CLV फॉर्मूला

  • औसत revenue को profit margin से गुणा करें और औसत profit पाएँ
  • इसे औसत customer lifespan से गुणा करें

Basic CLV

Python में मार्केटिंग के लिए मशीन लर्निंग

Granular CLV फॉर्मूला

  • प्रति खरीद औसत revenue को औसत frequency और profit margin से गुणा करें
  • इसे औसत customer lifespan से गुणा करें
  • प्रति ट्रांज़ैक्शन औसत revenue और प्रति अवधि औसत frequency, दोनों का हिसाब रखता है

Granular CLV

Python में मार्केटिंग के लिए मशीन लर्निंग

Traditional CLV फॉर्मूला

  • औसत revenue को profit margin से गुणा करें
  • औसत profit को retention से churn रेट के अनुपात से गुणा करें
  • churn, retention से निकलेगा और 1 माइनस retention रेट के बराबर होगा
  • ग्राहक loyalty का हिसाब रखता है, सबसे लोकप्रिय तरीका

Traditional CLV

Python में मार्केटिंग के लिए मशीन लर्निंग

Transactions डेटासेट का परिचय

  • Online retail डेटासेट
  • खर्च, quantity और अन्य वैल्यू वाली ट्रांज़ैक्शनें

Online Retail

Python में मार्केटिंग के लिए मशीन लर्निंग

Cohorts डेटासेट का परिचय

  • online retail डेटासेट से व्युत्पन्न
  • acquisition month असाइन किया गया
  • acquisition के बाद के महीनों में customer counts की pivot table
  • इसका उपयोग retention rate निकालने के लिए करेंगे

Cohort counts

Python में मार्केटिंग के लिए मशीन लर्निंग

मासिक retention की गणना करें

पहले महीने के मान लेकर cohort sizes निकालें

cohort_sizes = cohort_counts.iloc[:,0]

मासिक active users को उनकी initial sizes से भाग देकर retention निकालें और churn निकालेँ

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

Retention वैल्यूज़ को heatmap में plot करें

sns.heatmap(retention, annot=True, vmin=0, vmax=0.5, cmap="YlGn")
Python में मार्केटिंग के लिए मशीन लर्निंग

Retention टेबल

Retention table

Python में मार्केटिंग के लिए मशीन लर्निंग

आइए कुछ CLV मेट्रिक्स निकालें!

Python में मार्केटिंग के लिए मशीन लर्निंग

Preparing Video For Download...