1. Faro

Nivel 3 · Lo que ha valido un cliente

La solicitud

De Laura Bennett, Directora de Finanzas

“Para el presupuesto necesito el valor de vida por año en que adquirimos al cliente. ¿Cuántos ingresos netos ha aportado cada cohorte hasta ahora, por cliente? Alguien me dijo que nuestros clientes más nuevos valen mucho menos, y quiero saber si es cierto.”

Tu objetivo

A partir de booked (pedidos contabilizados con revenue = ventas netas menos reembolsos, construido en el código inicial), asigna a result un DataFrame con una fila por año de adquisición y las columnas first_year (año del primer pedido contabilizado del cliente), customers (número de clientes adquiridos ese año), net_revenue (sus ingresos totales de 2023–2025, redondeados a 2) y ltv (net_revenue / customers, redondeado a 2, calculado con el total sin redondear). Ordena por first_year.

  • Usa el DataFrame orderspendiente
  • Usa el DataFrame order_itemspendiente
  • Muestra exactamente first_year customers net_revenue ltvpendiente

Tu código

Python

Cargando el editor…

    ResultadoVista previa de orders · presiona Ejecutar para ver el tuyo
    Vista previa de orders
    order_idcustomer_idorder_datestatuschannel
    10011252023-01-01 20:51:19completedweb
    10021562023-01-02 07:58:46completedweb
    1003222023-01-02 10:25:27completedmarketplace
    1004482023-01-02 11:21:51completedmarketplace

    Mote revisa tu resultado

    Presiona Ejecutar. Cada fila que cumple el objetivo se vuelve una luciérnaga en tu linterna.

    DataFrames

    Cargados como DataFrames de pandas, junto con pd y np.

    orders12,000 filas · 7 columnas
    • order_idinteger
    • customer_idinteger
    • order_datetimestamp
    • statusvarchar
    • channelvarchar
    • shipping_feedecimal
    • coupon_codevarchar
    Primeras 5 filas de orders
    order_idcustomer_idorder_datestatuschannelshipping_feecoupon_code
    10011252023-01-01 20:51:19completedweb0.00NaN
    10021562023-01-02 07:58:46completedweb0.00NaN
    1003222023-01-02 10:25:27completedmarketplace4.99WELCOME10
    1004482023-01-02 11:21:51completedmarketplace4.99WELCOME10
    1005822023-01-02 11:43:36completedweb0.00WELCOME10
    order_items30,338 filas · 6 columnas
    • order_item_idinteger
    • order_idinteger
    • product_idinteger
    • quantityinteger
    • unit_pricedecimal
    • discount_pctdecimal
    Primeras 5 filas de order_items
    order_item_idorder_idproduct_idquantityunit_pricediscount_pct
    11001121931.990.00
    21001154311.990.00
    31002154411.990.00
    410021941149.000.00
    51002193219.990.00
    returns1,673 filas · 5 columnas
    • return_idinteger
    • order_item_idinteger
    • returned_ondate
    • reasonvarchar
    • refund_amountdecimal
    Primeras 5 filas de returns
    return_idorder_item_idreturned_onreasonrefund_amount
    1142023-01-10damaged83.69
    2422023-01-10wrong_item19.99
    31052023-01-14wrong_item10.99
    4242023-01-16changed_mind26.99
    51262023-01-16late20.99
    customers2,018 filas · 9 columnas
    • customer_idinteger
    • first_namevarchar
    • last_namevarchar
    • emailvarchar
    • cityvarchar
    • statevarchar
    • signup_datedate
    • segmentvarchar
    • referral_sourcevarchar
    Primeras 5 filas de customers
    customer_idfirst_namelast_nameemailcitystatesignup_datesegmentreferral_source
    1OwenHudsonowen.hudson@icloud.comSan FranciscoCA2022-06-02consumersearch
    2DouglasMendozadmendoza69@gmail.comAtlantaGA2022-06-02consumerNaN
    3HenryBrookshbrooks@lakesidecafe.comLos AngelesCA2022-06-04businessNaN
    4BrianGrahambgraham@bluecedarhomes.comSeattleWA2022-06-06businesspinterest
    5KyleJimenezkjimenez27@yahoo.comIndianapolisIN2022-06-07consumerNaN
    products120 filas · 8 columnas
    • product_idinteger
    • namevarchar
    • categoryvarchar
    • subcategoryvarchar
    • unit_pricedecimal
    • unit_costdecimal
    • launched_ondate
    • is_activeboolean
    Primeras 5 filas de products
    product_idnamecategorysubcategoryunit_priceunit_costlaunched_onis_active
    101Vale Velvet LoveseatFurnitureSofas1659.00NaN2023-09-11true
    102Alder Oak Coffee TableFurnitureTables919.00503.502024-05-16true
    103Orchard Rattan Dining ChairFurnitureChairs789.00429.872023-05-27true
    104Upland Oak BookcaseFurnitureStorage429.00214.702022-12-20true
    105Avery Leather Bed FrameFurnitureBeds449.00232.702021-08-31true
    employees60 filas · 8 columnas
    • employee_idinteger
    • first_namevarchar
    • last_namevarchar
    • departmentvarchar
    • titlevarchar
    • manager_idinteger
    • hire_datedate
    • salaryinteger
    Primeras 5 filas de employees
    employee_idfirst_namelast_namedepartmenttitlemanager_idhire_datesalary
    1CatherineHaleExecutiveChief Executive OfficerNaN2016-03-01285000
    2RobertKimExecutiveChief Operating Officer12017-01-09235000
    3MeganCollinsSalesHead of Sales12018-04-16172000
    4ChloeGutierrezSalesAccount Executive32020-01-2172000
    5FrankBellSalesAccount Executive32023-05-2173000
    web_sessions40,000 filas · 7 columnas
    • session_idinteger
    • customer_idinteger
    • started_attimestamp
    • devicevarchar
    • sourcevarchar
    • pages_viewedinteger
    • convertedboolean
    Primeras 5 filas de web_sessions
    session_idcustomer_idstarted_atdevicesourcepages_viewedconverted
    1NaN2023-01-01 23:02:24mobilepaid1false
    2182023-01-01 15:07:49desktoppaid1false
    3NaN2023-01-01 16:55:46desktopdirect7false
    4NaN2023-01-01 12:43:28mobileorganic3false
    5NaN2023-01-01 13:06:21mobilesocial2false
    marketing_spend3,276 filas · 3 columnas
    • spend_datedate
    • channelvarchar
    • amountdecimal
    Primeras 5 filas de marketing_spend
    spend_datechannelamount
    2023-01-01paid492.99
    2023-01-01email37.38
    2023-01-01social200.53
    2023-01-02paid709.13
    2023-01-02email64.13

    La lección

    Valor de vida, mirando atrás

    El valor de vida del cliente (LTV) son los ingresos (o el margen) que un cliente aporta durante toda su relación con el negocio. La versión honesta más simple es el LTV histórico: toma un grupo de clientes, suma todo lo que han gastado hasta ahora y divide entre cuántos son. Sin pronósticos, sin supuestos.

    El grupo natural es la cohorte de adquisición: todos los clientes cuyo primer pedido contabilizado cayó en el mismo año. Aquí los ingresos son ingresos netos (valor de línea con descuento menos reembolsos, sin envío), contados sobre todo lo que contienen los datos, de 2023 a 2025.

    #   first_year  customers  net_revenue      ltv
    # 0       2023        574   3564271.36  6209.53
    # 1       2024        525   1401056.50  2668.68
    # 2       2025        641    721955.12  1126.30

    Por qué las cohortes jóvenes siempre se ven peor

    La cohorte de 2023 parece cinco veces más valiosa que la de 2025. No lo es, o al menos esta tabla no puede decirlo. Un cliente adquirido en enero de 2023 tuvo tres años para seguir pidiendo; uno adquirido en noviembre de 2025 tuvo unas semanas. El LTV histórico crece con la edad de la cohorte, así que comparar cohortes de edades distintas mide sobre todo tiempo.

    La solución es una ventana igual: los ingresos de cada cliente en sus primeros 365 días después del primer pedido. Eso da $3,605.08 para 2023 y $2,142.10 para 2024. La cohorte de 2025 aún no se puede medir, porque la mayoría de sus clientes no ha tenido un año completo. Aún se ve una caída real (los clientes de 2024 gastaron menos en su primer año), pero es de cerca de 40 %, no del 57 % que sugieren los números a la fecha.

    Y la primera cohorte es especial

    El número de 2023 tiene su propio sesgo. Los datos empiezan el 2023-01-01, así que 152 de los 574 clientes “adquiridos” en 2023 se habían registrado antes y ya eran habituales. Su primer año en los datos no es su primer año como clientes, lo que favorece a la cohorte de 2023.

    Errores comunes

    • Contar filas en vez de clientes. size cuenta pedidos. Usa nunique sobre customer_id.
    • Usar ventas brutas. Los reembolsos y los descuentos son dinero que la tienda nunca se quedó. El LTV en términos de ingresos debe ser ingresos netos, y la versión de margen (siguiente nivel) es aún mejor.
    • Un número para todos. Un único LTV de toda la vida mezcla cohortes viejas y jóvenes y cambia cada mes aunque nada cambie en los clientes.

    Nota de entrevista

    “Nuestro LTV baja en las cohortes más nuevas, ¿qué revisas primero?” La respuesta esperada: si las cohortes se han observado durante el mismo tiempo. Luego compara una ventana igual, como los primeros 12 meses.

    Elige qué puede ejecutarse en este sitio. Puedes cambiarlo cuando quieras desde "Configurar cookies", al pie de cada página.