วิเคราะห์กลุ่มลูกค้า

ยอดเยี่ยม! ขั้นตอนสุดท้าย — การวิเคราะห์ผลลัพธ์การแบ่งกลุ่ม โดยจะวิเคราะห์ค่าเฉลี่ยของ Recency, Frequency, MonetaryValue และ Tenure สำหรับแต่ละกลุ่มใน 4 กลุ่มที่สร้างขึ้น ลองใช้เวลาวิเคราะห์ผลลัพธ์เหล่านี้เพื่อทำความเข้าใจว่าแต่ละกลุ่มแสดงถึงพฤติกรรมและลักษณะลูกค้าแบบใด

ข้อมูล RFMT ดิบพร้อมใช้งานในตัวแปร datamart_rfmt และ label ของคลัสเตอร์จากแบบฝึกหัดก่อนหน้าถูกโหลดไว้ในตัวแปร cluster_labels นอกจากนี้ยังได้โหลดไลบรารี pandas ในชื่อ pd ไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การแบ่งกลุ่มลูกค้าด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

สร้าง DataFrame ใหม่โดยเพิ่มคอลัมน์ label ของคลัสเตอร์เข้าไปใน datamart_rfmt
สร้าง groupby บนคอลัมน์ Cluster
คำนวณค่าเฉลี่ย RFMT และขนาดของแต่ละกลุ่มตามค่า Cluster

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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)

แก้ไขและรันโค้ด