เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

คำนวณความสำคัญเชิงสัมพัทธ์ของแต่ละแอตทริบิวต์

ในขั้นตอนนี้ จะคำนวณความสำคัญเชิงสัมพัทธ์ของค่า RFM ภายในแต่ละคลัสเตอร์

โหลด datamart_rfm ซึ่งมีค่า RFM ดิบ และ datamart_rfm_k3 ซึ่งมีค่า RFM ดิบ พร้อมกับ ป้ายกำกับคลัสเตอร์ที่เก็บไว้ในคอลัมน์ Cluster ไว้ให้แล้ว นอกจากนี้ยังโหลดไลบรารี pandas เป็น pd ไว้เรียบร้อยแล้ว

สามารถสำรวจชุดข้อมูลทั้งสองใน console ได้ตามต้องการ

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การแบ่งกลุ่มลูกค้าด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • คำนวณค่าเฉลี่ย RFM สำหรับแต่ละคลัสเตอร์ โดยใช้ชุดข้อมูล datamart_rfm_k3
  • คำนวณค่าเฉลี่ย RFM สำหรับลูกค้าทั้งหมด โดยใช้ชุดข้อมูล datamart_rfm
  • คำนวณความสำคัญเชิงสัมพัทธ์ของค่าแอตทริบิวต์ของคลัสเตอร์เทียบกับค่าเฉลี่ยรวม
  • แสดงคะแนนความสำคัญเชิงสัมพัทธ์ที่ปัดเศษแล้วเป็น 2 ตำแหน่งทศนิยม

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Calculate average RFM values for each cluster
cluster_avg = ____.groupby(['____']).____() 

# Calculate average RFM values for the total customer population
population_avg = ____.____()

# Calculate relative importance of cluster's attribute value compared to population
relative_imp = ____ / ____ - ____

# Print relative importance scores rounded to 2 decimals
print(relative_imp.____(____))
แก้ไขและรันโค้ด