在Python中测量客户寿命周期价值
项目描述
测量用户很困难。Lifetimes使其变得容易。
简介
Lifetimes可以根据几个假设来分析您的用户
- 当用户“活跃”时，他们会与您互动。
- 研究的用户可能在一段时间后“死亡”。
我引用了“活跃”和“死亡”，因为这些是最抽象的术语：请随意使用您自己对“活跃”和“死亡”的定义（它们在生存分析中与“出生”和“死亡”类似）。每当有个人重复发生事件时，我们都可以使用Lifetimes来帮助理解用户行为。
应用
如果这太抽象，请考虑以下应用
- 预测访客多久会返回您的网站。（活跃 = 访问。死亡 = 决定该网站不适合他们）
- 了解患者多久会返回医院。（活跃 = 访问。死亡 = 患者可能搬到新城市，或去世了。）
- 仅使用他们的使用历史来预测已经从应用中流失的个体。（活跃 = 登录。死亡 = 删除了应用）
- 预测客户的重复购买。（活跃 = 主动购买。死亡 = 对您的产品失去兴趣）
- 预测您的客户的寿命周期价值
特定应用：客户寿命周期价值
正如P. Fader和B. Hardie所强调的，理解和采取行动的客户终身价值（CLV）是您业务销售努力中最重要的一部分。（显然）每个人都做得不对（Fader教授的视频讲座）。“寿命”是一个Python库，可以帮助您计算CLV。
安装
pip install lifetimes
贡献
在创建任何拉取请求之前，请参阅贡献指南。这将使每个人的生活都变得更加容易。
文档和教程
有疑问？评论？要求？
请在lifetimes存储库中创建一个问题。
主要文章
- 可能是非合同CLV的开创性文章是David C. Schmittlein、Donald G. Morrison和Richard Colombo所著的Counting Your Customers: Who Are They and What Will They Do Next?，尽管它是付费的，但值得一读。相关信息最终将包含在这个库的文档中。
- 另一篇（较新的）论文是Peter Fader、Bruce Hardie和Ka Lok Lee所著的“Counting Your Customers” the Easy Way: An Alternative to the Pareto/NBD Model。
更多信息
- Roberto Medri在Etsy上做了一场关于CLV的优秀演讲。
- 论文，很多论文。
- R的实现被称为BTYD（买到死）。
- Bruce Hardie的网站，特别是他的笔记，充满了有用和基本的知识，其中许多都包含在这个库中。
下载文件
下载适合您平台的文件。如果您不确定选择哪个，请了解更多关于安装软件包的信息。
源分布
Lifetimes-0.11.3.tar.gz （559.8 kB 查看哈希值）
构建分布
Lifetimes-0.11.3-py3-none-any.whl （584.2 kB 查看哈希值）