Her özelliğin göreli önemini hesapla
Şimdi her küme içinde RFM değerlerinin göreli önemini hesaplayacaksın.
Ham RFM değerleriyle datamart_rfm ve hem ham RFM değerlerini hem de Cluster olarak saklanan küme etiketlerini içeren datamart_rfm_k3 yüklendi. pandas kütüphanesi de pd olarak yüklü.
Konsolda veri kümelerini özgürce keşfedebilirsin.
Bu egzersiz, kursun bir parçasıdır
Python ile Müşteri Segmentasyonu
Egzersiz talimatları
- Her küme için ortalama RFM değerlerini hesapla -
datamart_rfm_k3veri kümesini kullan. - Tüm müşteri kitlesi için ortalama RFM değerlerini hesapla -
datamart_rfmveri kümesini kullan. - Kümenin özellik değerinin, genel kitleye kıyasla göreli önemini hesapla.
- Göreli önem skorlarını 2 ondalığa yuvarlanmış şekilde yazdır.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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.____(____))