Analyseer de segmenten

Fantastisch! Laatste stap: het analyseren van je segmentatieoplossing. Je gaat de gemiddelde waarden van Recency, Frequency, MonetaryValue en Tenure bekijken voor elk van de vier segmenten die je eerder hebt gebouwd. Neem even de tijd om ze te analyseren en te begrijpen wat voor klantgroepen en -gedrag ze vertegenwoordigen.

De ruwe RFMT-data is beschikbaar als datamart_rfmt, en de clusterlabels uit de vorige oefening zijn geladen als cluster_labels. We hebben de pandas-bibliotheek ook geladen als pd.

Deze oefening maakt deel uit van de cursus

Klantsegmentatie in Python

Cursus bekijken

Oefeninstructies

Maak een nieuwe DataFrame door een clusterlabel-kolom toe te voegen aan datamart_rfmt.
Maak een groupby-element op een Cluster-kolom.
Bereken gemiddelde RFMT-waarden en segmentgroottes per Cluster-waarde.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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)

Code bewerken en uitvoeren