Berechne 3 Gruppen für Recency und Frequency
Du wirst die Kund:innen nun anhand von Recency und Frequency in drei separate Gruppen einteilen.
Der Datensatz wurde als datamart geladen. Du kannst die Konsole nutzen, um dir die obersten Zeilen anzusehen. Außerdem wurde pandas als pd importiert.
Wir verwenden das Ergebnis dieser Übung in der nächsten, in der du die Kund:innen nach dem MonetaryValue gruppierst und schließlich einen RFM_Score berechnest.
Gib zum Schluss die Ergebnisse auf dem Bildschirm aus, um sicherzustellen, dass du die Quartilspalten erfolgreich erstellt hast.
Diese Übung ist Teil des Kurses
Kundensegmentierung in Python
Anleitung zur Übung
- Erstelle Labels für
Recencymit einem abnehmenden Bereich von 3 bis 1 und Labels fürFrequencymit einem zunehmenden Bereich von 1 bis 3. - Weise diese Labels drei gleich großen Perzentilgruppen basierend auf
Recencyzu. - Weise diese Labels drei gleich großen Perzentilgruppen basierend auf
Frequencyzu. - Erstelle neue Quantilspalten
RundF.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Create labels for Recency and Frequency
r_labels = range(____, 0, ____); f_labels = range(1, ____)
# Assign these labels to three equal percentile groups
r_groups = pd.qcut(datamart['____'], q=____, labels=____)
# Assign these labels to three equal percentile groups
f_groups = pd.qcut(datamart['____'], q=____, labels=____)
# Create new columns R and F
datamart = datamart.assign(____=____.values, ____=____.values)