- Customer Segmentation For Marketing:
- Índice
- Contextualização:
- Metodologia Aplicada:
- Entendimento do Negócio:
- Entendimento dos Dados:
- Preparação dos Dados:
- Criando Uma Copia do DataFrame:
- Removendo nulos:
- Convertendo a coluna 'CustomerID' para str:
- Convertendo a coluna 'InvoiceDate' para Datetime::
- Análise RFV:
- Recency:
- Frequency:
- Monetary:
- Merge:
- RFV Boxplot:
- RFV - Distribuição Recency:
- RFV - Distribuição Frequency:
- RFV - Distribuição Monetary:
- Data Preparetion:
- Testando técnicas de remoção de outliers:
- RFV Boxplot Limpo:
- RFV Distribuição:
- Modelagem:
- Avaliação:
- Implantação:
- Pré-requisitos para executar o projeto:
Você foi contratado por uma empresa de e-commerce que está buscando entender melhor o comportamento de seus clientes para personalizar as suas campanhas de marketing. Para isso, a empresa disponibilizou uma base de dados em csv contendo dados sobre clientes, produtos e transações da loja realizadas entre os anos de 2010 e 2011.
A análise foi realizada utilizando o modelo CRISP-DM, o CRISP-DM (Cross Industry Standard Process for Data Mining) é um modelo padrão de processo para projetos de mineração de dados que define um conjunto de fases e tarefas que devem ser executadas para desenvolver soluções de mineração de dados efetivas.
O modelo CRISP-DM é uma abordagem sistemática e estruturada para a mineração de dados que ajuda as empresas a desenvolver soluções de mineração de dados de maneira eficiente e eficaz, reduzindo o tempo e os custos do projeto.
Com base nesses dados, você precisa agrupar os clientes em clusters com base em seu comportamento de compra. Isso irá permitir identificar padrões e características em comum entre os clientes, como: Clientes que compram os mesmos produtos; Clientes que possuem a mesma frequência de compras; Clientes que gastam mais dinheiro em suas compras. A partir desses clusters, gere insights para que a empresa possa segmentar melhor a sua base de clientes e personalizar as suas campanhas de marketing, direcionando promoções e ofertas aos clientes com base no comportamento de compras.
Com o objetivo de identificar e segmentar os perfis dos clientes com base em seu padrão de compra, a fim de promover campanhas de marketing mais personalizadas, chegamos a 5 grupos distintos, representando 5 perfis de clientes.
-
Perfil 1: O perfil 1 apresenta a pior recência em relação aos demais, indicando que esses clientes estão afastados de nossa plataforma há mais tempo. No entanto, o perfil 1 não difere muito dos perfis 4 e 5 em relação à recência. Além disso, a frequência de acesso à nossa plataforma por parte desse perfil também é baixa, sendo a segunda mais baixa, ficando atrás apenas do perfil 5.
-
Perfil 2: O perfil 2 é composto por clientes que tiveram interações muito recentes em nossa plataforma. Portanto, é importante manter esses clientes interessados em nosso e-commerce, seja por meio de anúncios de produtos relevantes que possam resolver seus problemas ou proporcionar diversão. Em resumo, o perfil 2 apresenta excelente recência, frequência adequada e gastos moderados.
-
Perfil 3: O perfil 3 também é composto por clientes que entraram em contato recentemente com nossa plataforma. Eles possuem excelente recência, frequência adequada e gastos moderados.
-
Perfil 4: O perfil 4 é o perfil de cliente mais engajado que temos. Apresenta recência adequada, frequência excelente e gastos consideráveis. Em suma, o perfil 4 é extremamente valioso, e cada centavo investido nesse grupo vale a pena.
-
Perfil 5: O perfil 5 representa nosso perfil de cliente mais inativo. Possui recência satisfatória, frequência baixa e gastos reduzidos. Trata-se de um perfil de cliente com pouca interação e, consequentemente, baixo volume de compras.
Conclusão: Nosso principal objetivo é criar uma campanha de marketing mais personalizada, lembrando que, no final, tudo se resume a vender. Um padrão identificado foi que os clientes que mais gastam em nossa plataforma são aqueles que a frequentam com mais regularidade. Portanto, uma ideia interessante seria criar estratégias para incentivar o cliente a visitar nossa plataforma e interagir. Por exemplo, podemos oferecer um desconto de 25% a partir da compra do 3º item ou promover descontos especiais nas sextas-feiras para clientes fiéis, a fim de fidelizá-los.
Iniciando a etapa de implementação do modelo em produção.
Abaixo, listarei os requisitos necessários para que o projeto funcione corretamente.
Você pode baixá-lo em: https://www.anaconda.com/download/
Criando ambiente virtual:
conda create -n .cluster
Entrando no ambiente virtual:
conda activate .cluster
Instale as dependências:
conda install --file core/requirements.txt
Linkedin: https://www.linkedin.com/in/samuel-barbosa-dev/
E-mail: samueloficial@protonmail.com