Analyser des segments personnalisés

Pour finir, vous allez analyser les valeurs moyennes de Recency, Frequency et MonetaryValue pour les segments personnalisés que vous avez créés.

Nous avons chargé le jeu de données datamart avec les valeurs de segment que vous avez calculées dans l’exercice précédent. N’hésitez pas à l’explorer dans la console. La bibliothèque pandas est également chargée sous pd.

Cet exercice fait partie du cours

<cours>Customer Segmentation in Python</cours>

Voir le cours

Instructions de l’exercice

Calculez les moyennes de Recency, Frequency et MonetaryValue pour chaque segment RFM_Level.
En dernière colonne, retournez la taille de chaque segment en passant count à la colonne MonetaryValue en plus de mean.
Affichez le jeu de données agrégé.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Calculate average values for each RFM_Level, and return a size of each segment 
rfm_level_agg = datamart.____('____').____({
    '____': '____',
    '____': '____',
  
  	# Return the size of each segment
    '____': ['____', '____']
}).round(1)

# Print the aggregated dataset
print(____)

Modifier et exécuter le code