セグメントを分析する
素晴らしいです！最後のステップは、セグメンテーション結果の分析です。これまでに作成した4つのセグメントそれぞれについて、Recency、Frequency、MonetaryValue、Tenure の平均値を分析します。少し時間をかけて結果を眺め、どのような顧客グループや行動を表しているのかを理解しましょう。
RFMTの元データは datamart_rfmt、前の演習で得たクラスタラベルは cluster_labels として利用できます。pandas ライブラリは pd として読み込まれています。
この演習はコースの一部です
Pythonで学ぶカスタマーセグメンテーション
演習の手順
datamart_rfmtにクラスタラベルの列を追加して、新しいDataFrameを作成します。Cluster列でgroupbyを作成します。- 各
Clusterの値ごとに、RFMTの平均値とセグメントサイズを計算します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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)