Analysiere die Segmente

Fantastisch! Letzter Schritt – die Analyse deiner Segmentierungslösung: Du analysierst die durchschnittlichen Werte von Recency, Frequency, MonetaryValue und Tenure für jedes der vier Segmente, die du zuvor erstellt hast. Nimm dir Zeit, sie zu interpretieren und zu verstehen, welche Kundengruppen und Verhaltensweisen sie abbilden.

Die RFMT-Rohdaten stehen dir als datamart_rfmt zur Verfügung, und die Cluster-Labels aus der vorherigen Aufgabe sind als cluster_labels geladen. Außerdem haben wir die Bibliothek pandas als pd geladen.

Diese Übung ist Teil des Kurses

Kundensegmentierung in Python

Kurs anzeigen

Anleitung zur Übung

Erstelle ein neues DataFrame, indem du datamart_rfmt eine Spalte mit dem Cluster-Label hinzufügst.
Erzeuge ein groupby-Objekt auf der Spalte Cluster.
Berechne die durchschnittlichen RFMT-Werte und die Segmentgrößen für jeden Cluster-Wert.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Create a new DataFrame by adding a cluster label column to datamart_rfmt
datamart_rfmt_k4 = datamart_rfmt.____(Cluster=____)

# Group by cluster
grouped = ____.____(['____'])

# Calculate average RFMT values and segment sizes for each cluster
grouped.____({
    'Recency': '____',
    'Frequency': '____',
    'MonetaryValue': '____',
    'Tenure': ['mean', '____']
  }).round(1)

Code bearbeiten und ausführen