GammaGammaModel.valor_de_vida_del_cliente_esperado

GammaGammaModel.expected_customer_lifetime_value(transaction_model, data, future_t=12, discount_rate=0.0, time_unit='D')

Calcule el valor promedio de vida para un grupo de uno o más clientes.

Además, aplica una tasa de descuento para las estimaciones del valor presente neto.

Nota que future_t se mide en meses independientemente de la time_unit especificada.

Adaptado de la biblioteca heredada lifetimes: CamDavidsonPilon/lifetimes

Parámetros:

transaction_modelCLVModel

Modelo predictivo para transacciones futuras. BetaGeoModel y ParetoNBDModel son actualmente compatibles.

datos : DataFrameDataFrame

DataFrame que contiene las siguientes columnas:

• customer_id: Identificador único del cliente

• frequency: Número de compras repetidas observadas para cada cliente

• recency: Tiempo entre la primera y la última compra

• T: Tiempo entre la primera compra y el final del período de observación

• monetary_value: Valores de gasto medio de compras repetidas para cada cliente

future_t : int, opcionalpython:int, opcional

La duración esperada para el usuario en meses. Predeterminado: 12

tasa_de_descuento : float, opcionalpython:float, opcional

La tasa de descuento ajustada mensual. Predeterminado: 0.00

unidad_tiempo : str, opcionalpython:str, opcional

Unidad de tiempo del historial de compras. Por defecto es «D» para diario. Otras opciones son «W» (semanal), «M» (mensual) y «H» (horario). Ejemplo: Si su conjunto de datos contiene información sobre compras semanales, debe usar «W».

Devoluciones:

xarray

DataArray que contiene los valores de vida del cliente estimados