Основи Customer Lifetime Value (CLV)

Machine Learning для маркетингу в Python

Karolis Urbonas

Head of Analytics & Science, Amazon

Що таке CLV?

  • Вимірювання цінності клієнта
  • Може бути історичною або прогнозною
  • Кілька підходів, залежить від типу бізнесу
  • Частина методів формульні, інші — прогнозні та розподільні
Machine Learning для маркетингу в Python

Історичний CLV

  • Підсумуйте виручку всіх минулих транзакцій
  • Помножте на маржу прибутку
  • Або — підсумуйте прибуток усіх минулих транзакцій, якщо є
  • Проблема 1 — не враховує термін, утримання та відтік
  • Проблема 2 — не враховує нових клієнтів і їхню майбутню виручку

Історичний CLV

Machine Learning для маркетингу в Python

Базова формула CLV

  • Помножте середню виручку на маржу, щоб отримати середній прибуток
  • Помножте на середню тривалість життя клієнта

Базовий CLV

Machine Learning для маркетингу в Python

Деталізована формула CLV

  • Помножте середню виручку за покупку на середню частоту та на маржу
  • Помножте на середню тривалість життя клієнта
  • Враховує і середню виручку за транзакцію, і середню частоту за період

Деталізований CLV

Machine Learning для маркетингу в Python

Традиційна формула CLV

  • Помножте середню виручку на маржу прибутку
  • Помножте середній прибуток на співвідношення утримання до відтоку
  • Відтік обчислюють із утримання: це 1 мінус рівень утримання
  • Враховує лояльність клієнтів, найпоширеніший підхід

Традиційний CLV

Machine Learning для маркетингу в Python

Вступ до набору транзакцій

  • Набір даних онлайн-ритейлу
  • Транзакції з витратами, кількістю та іншими полями

Online Retail

Machine Learning для маркетингу в Python

Вступ до набору когорт

  • Похідний від набору онлайн-ритейлу
  • Призначено місяць залучення
  • Зведена таблиця з кількістю клієнтів у наступних місяцях після залучення
  • Використаємо для розрахунку рівня утримання

Кількість у когортах

Machine Learning для маркетингу в Python

Обчислення щомісячного утримання

Використайте значення першого місяця для обчислення розміру когорт

cohort_sizes = cohort_counts.iloc[:,0]

Обчисліть утримання, поділивши щомісячних активних користувачів на їхні початкові розміри, і отримайте значення відтоку

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

Побудуйте теплову мапу значень утримання

sns.heatmap(retention, annot=True, vmin=0, vmax=0.5, cmap="YlGn")
Machine Learning для маркетингу в Python

Таблиця утримання

Таблиця утримання

Machine Learning для маркетингу в Python

Розрахуймо деякі метрики CLV!

Machine Learning для маркетингу в Python

Preparing Video For Download...