Aangepaste segmenten analyseren

Als laatste stap analyseer je de gemiddelde waarden van Recency, Frequency en MonetaryValue voor de aangepaste segmenten die je hebt gemaakt.

We hebben de datamart-gegevensset geladen met de segmentwaarden die je in de vorige oefening hebt berekend. Verken die gerust in de console. De bibliotheek pandas is ook geladen als pd.

Deze oefening maakt deel uit van de cursus

Klantsegmentatie in Python

Cursus bekijken

Oefeninstructies

Bereken de gemiddelden van Recency, Frequency en MonetaryValue voor elk RFM_Level-segment.
Geef als laatste kolom de grootte van elk segment terug door count toe te passen op de kolom MonetaryValue, naast de mean.
Print de geaggregeerde gegevensset.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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(____)

Code bewerken en uitvoeren