Esta es una continuación del siguiente post, puedes verlo aquí 

Vamos a estudiar una de la data más importante: TENURE

¿Cómo se quedarán nuestros clientes con nosotros? Esta pregunta es jugar un papel determinante en la operación de negocios. Entonces, preparemos un gráfico de líneas para la tasa de renta del consumidor en 8 intervalos; todo el rango de tenencia se dividirá en diez grupos que tengan la misma duración de intervalo.

data["tenure_yearly"]=data["tenure"].apply(lambda x:x/365)
labels=['0-1 años','1-2 años','2-3 años','3-4 años','4-5 años','5-6 años','más de 6 años']
data['tenure_group']=pd.cut(data["tenure_yearly"],bins=[0,1,2,3,4,5,6,9],labels=labels,include_lowest=True)
test=data.groupby("tenure_group")["tenure_yearly"].count()
test=test/test.sum()*100
a=pd.Series([''])
b=pd.Series(np.unique(test.index))
c=pd.Series([''])
labels=pd.concat([a,b,c])
fig,axes=plt.subplots(1,2,figsize=(17,13))
test.plot(ax=axes[0],marker='.')
axes[0].set_xticks([-0.5,0,1,2,3,4,5,6,7])
axes[0].set_xticklabels(labels)
axes[0].set_title("Tasa de retención en 7 intervalos",fontsize=15)
#pie_charts
explode=[0.1,0.0,0.0,0.0,0.0,0.4,0.8]
test.plot.pie(ax=axes[1],autopct='%.2f%%',explode=explode)
axes[1].set_ylabel("")
axes[1].set_title("Tasa de retención",fontsize=15)

La mayoría del datos (año) de retención se encuentra entre 0 y 1 año, después de lo cual hay una caída del 10% seguida de una disminución mucho más pronunciada. Alrededor de cinco años después de que los usuarios se unieran a Facebook, casi todos dejan de usar el servicio. El negocio necesita realizar una investigación exhaustiva y detallada para hacer frente a una caída dramática entre el año 1 y el año 2.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *