พื้นฐาน Customer Lifetime Value (CLV)

Machine Learning สำหรับการตลาดด้วย Python

Karolis Urbonas

Head of Analytics & Science, Amazon

CLV คืออะไร?

รวมรายได้จากทุกธุรกรรมในอดีต
คูณด้วยอัตรากำไร
หรือรวมกำไรจากทุกธุรกรรมในอดีต หากมีข้อมูล
ข้อจำกัดที่ 1 — ไม่คำนึงถึงระยะเวลาการเป็นลูกค้า การรักษาลูกค้า และการสูญเสียลูกค้า
ข้อจำกัดที่ 2 — ไม่คำนึงถึงลูกค้าใหม่และรายได้ในอนาคต

Historical CLV

Basic CLV

Granular CLV

คูณรายได้เฉลี่ยด้วยอัตรากำไร
คูณกำไรเฉลี่ยด้วยอัตราส่วนการรักษาลูกค้าต่อการสูญเสียลูกค้า
อัตราการสูญเสียลูกค้า (Churn) คำนวณจากอัตราการรักษา โดยเท่ากับ 1 ลบด้วยอัตราการรักษา
คำนึงถึงความภักดีของลูกค้า เป็นแนวทางที่นิยมมากที่สุด

Traditional CLV

Online Retail

Cohort counts

ใช้ค่าเดือนแรกเพื่อคำนวณขนาดของแต่ละ Cohort

cohort_sizes = cohort_counts.iloc[:,0]

คำนวณอัตราการรักษาโดยหารจำนวนผู้ใช้งานรายเดือนด้วยขนาดเริ่มต้น แล้วหาค่า Churn

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

พล็อตค่าการรักษาลูกค้าในรูปแบบ Heatmap

sns.heatmap(retention, annot=True, vmin=0, vmax=0.5, cmap="YlGn")

Machine Learning สำหรับการตลาดด้วย Python