세그먼트 분석하기
아주 잘하셨어요! 마지막 단계는 세분화 결과를 분석하는 일입니다. 이전 단계에서 만든 네 개 세그먼트 각각에 대해 Recency, Frequency, MonetaryValue, Tenure의 평균 값을 분석해 보세요. 시간을 들여 값을 살펴보고, 각각이 어떤 고객군과 행동을 나타내는지 이해해 보세요.
RFMT 원시 데이터는 datamart_rfmt로 제공되고, 이전 연습 문제에서 생성한 클러스터 레이블은 cluster_labels로 로드되어 있어요. 또한 pandas 라이브러리는 pd로 불러왔습니다.
이 연습은 강의의 일부입니다
Python을 활용한 고객 세분화
연습 안내
datamart_rfmt에 클러스터 레이블 열을 추가해 새로운 DataFrame을 만드세요.Cluster열을 기준으로groupby객체를 만드세요.- 각
Cluster값별로 RFMT 평균과 세그먼트 크기(고객 수)를 계산하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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)