用python度量客户生命周期价值
Lifetimes的Python项目详细描述
测量用户很困难。生活使之变得简单。
简介
生命周期可用于基于以下几个假设分析用户:
- 用户在“活着”的时候与你互动。
- 正在研究的用户可能在一段时间后“死亡”。
我引用了“活着”和“死”这两个最抽象的术语:请随意使用你自己对“活着”和“死”的定义(它们在生存分析中类似于“出生”和“死亡”)。每当有人重复出现时,我们可以使用生命周期来帮助理解用户行为。
应用程序
如果这太抽象,请考虑以下应用程序:
- 预测访问者返回网站的频率。(活着=拜访。die=决定网站不适合他们)
- 了解患者返回医院的频率。(活着=拜访。死亡=也许病人搬到了一个新的城市,或者死亡了。
- 预测那些只使用他们的使用历史就从应用程序中翻腾出来的人。(活动=登录。die=删除应用程序)
- 预测客户的重复购买。(活跃=积极购买。die=对你的产品不感兴趣)
- 预测客户的终身价值
具体应用:客户终身价值
正如P.Fader和B.Hardie所强调的,理解和执行客户终身价值(CLV)是企业销售努力中最重要的部分。And (apparently) everyone is doing it wrong。lifetimes是一个用于计算clv的python库。
安装
pip install lifetimes
文档和教程
有问题吗?评论?请求?
请在lifetimes repository中创建问题。
更多信息
- Roberto Medri在etsy做了一个关于clv的精彩演讲。
- Papers,很多papers。
- r实现被称为BTYD(对于,buy'直到你死)。