Analiza segmentów

Świetnie! Ostatni krok – analiza wyników segmentacji. Przeanalizujesz średnie wartości Recency, Frequency, MonetaryValue i Tenure dla każdego z czterech segmentów, które wcześniej utworzyłeś. Poświęć chwilę na ich zbadanie i zastanów się, jakie grupy klientów i zachowania reprezentują.

Surowe dane RFMT są dostępne jako datamart_rfmt, a etykiety klastrów z poprzedniego ćwiczenia są załadowane jako cluster_labels. Biblioteka pandas jest załadowana jako pd.

To ćwiczenie jest częścią kursu

Segmentacja klientów w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Utwórz nową ramkę danych, dodając kolumnę z etykietami klastrów do datamart_rfmt.
Utwórz element groupby na kolumnie Cluster.
Oblicz średnie wartości RFMT oraz rozmiary segmentów dla każdej wartości Cluster.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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)

Edytuj i uruchom kod