Analisi di segmenti personalizzati

Come passo finale, analizzerai i valori medi di Recency, Frequency e MonetaryValue per i segmenti personalizzati che hai creato.

Abbiamo caricato il dataset datamart con i valori di segmento che hai calcolato nell’esercizio precedente. Sentiti libero di esplorarlo nella console. La libreria pandas è già caricata come pd.

Questo esercizio fa parte del corso

Customer Segmentation in Python

Visualizza corso

Istruzioni dell'esercizio

Calcola le medie di Recency, Frequency e MonetaryValue per ciascun segmento RFM_Level.
Come ultima colonna, restituisci la dimensione di ogni segmento passando count alla colonna MonetaryValue accanto a mean.
Stampa l’insieme di dati aggregato.

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# 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(____)

Modifica ed esegui il codice