Analisando e determinando perfis de clientes com base em dados sintéticos de uma campanha de marketing

Projeto - Machine Learning II

Instrutor: Victor Brito

Equipe: Gabriel Miranda, Marcus Thadeu, Ruann Campos e Thiago Caveglion

🎯 Objetivos

• Analisar, de forma exploratória, os dados correspondentes a clientes provindos de uma campanha de marketing.
• Agrupar os clientes em diferentes perfis utilizando aprendizagem de máquina não-supervisionada (K-means).
• Predizer, com base nos perfis criados, as categorias nas quais possíveis novos clientes seriam classificados utilizando aprendizagem de máquina supervisionada (SVM e XGBoost).

📊 Sobre o data set

O data set marketing_campaign.csv utilizado em nossa análise apresenta informações sintéticas retiradas dessa base de dados do Kaggle. É um data set simulado contendo diversas informações de clientes que realizaram compras em uma campanha de marketing de uma empresa do ramo alimentício. As colunas do arquivo incluem:

• ID: identificador exclusivo do cliente

• Year_Birth: Ano de nascimento do cliente

• Education: nível de escolaridade do cliente

• Marital_Status: estado civil do cliente

• Income: renda familiar anual do cliente

• Kidhome: Número de crianças na residência do cliente

• Teenhome: Número de adolescentes na residência do cliente

• Dt_Customer: Data de cadastro do cliente na empresa

• Recency: número de dias desde a última compra do cliente

• Recover: 1 se o cliente reclamou nos últimos 2 anos, 0 caso contrário

• MntWines: Valor gasto em vinho nos últimos 2 anos

• MntFruits: Valor gasto com frutas nos últimos 2 anos

• MntMeatProducts: Valor gasto com carne nos últimos 2 anos

• MntFishProducts: Valor gasto com pescado nos últimos 2 anos

• MntSweetProducts: Valor gasto em doces nos últimos 2 anos

• MntGoldProds: Valor gasto em ouro nos últimos 2 anos

• NumDealsPurchases: Número de compras realizadas com desconto

• AcceptedCmp1: 1 se o cliente aceitou a oferta na 1ª campanha, 0 caso contrário

• AcceptedCmp2: 1 se o cliente aceitou a oferta na 2ª campanha, 0 caso contrário

• AcceptedCmp3: 1 se o cliente aceitou a oferta na 3ª campanha, 0 caso contrário

• AcceptedCmp4: 1 se o cliente aceitou a oferta na 4ª campanha, 0 caso contrário

• AcceptedCmp5: 1 se o cliente aceitou a oferta na 5ª campanha, 0 caso contrário

• Response: 1 se o cliente aceitou a oferta na última campanha, 0 caso contrário

• NumWebPurchases: Quantidade de compras realizadas pelo site da empresa

• NumCatalogPurchases: Número de compras feitas usando um catálogo

• NumStorePurchases: Número de compras feitas diretamente nas lojas

• NumWebVisitsMonth: Número de visitas ao site da empresa no último mês

💡 Principais conclusões

• Utilizando o K-means, fomos capazes de clusterizar nossos clientes em quatro perfis distintos.
  • Cluster 0 - "Estabilidade Moderada": Maior população, adultos com estabilidade econômica moderada, preferem compras em lojas físicas, menos influenciados por campanhas, mas visitam sites.
  • Cluster 1 - "Prosperidade, Pouco Interesse em Descontos": Grupo mais próspero, adultos mais velhos, menos sensíveis a descontos, preferem produtos de ouro, impactados por campanhas (1 e 5), menos propensos a visitar sites.
  • Cluster 2 - "Diversidade de Compra": Segunda maior população, comportamento de compra diversificado, influência moderada por campanhas, gastos significativos em vinhos, compras em lojas físicas e online, visitam sites e usam descontos.
  • Cluster 3 - "População Idosa Online": População idosa, equilíbrio graduados/pós-graduados, terceira maior renda, menos impactada por campanhas, gastos em vinhos, compra online, visita sites e usa descontos.
• Tanto o modelo de SVM quanto o de XGBoost utilizados apresentaram um ótimo desempenho no que diz respeito à predição de perfis de clientes.

Limitações:

• O fato de se tratar de um dataset fictício, que apresentou um ótimo desempenho para uma clusterização de 4 classes, nos indica que essa pode ter sido a intenção inicial de seus autores. Dessa forma, os dados foram provavelmente direcionados de forma proposital para se encaixarem nesses perfis, enviezando nossos modelos de predição, o que implicou na obtenção de ótimas métricas de avaliação. Reconhecemos que esse cenário ideal está longe da realidade.

💻 Principais linguagens

• Python
  • Pandas
  • Numpy
  • Seaborn
  • Plotly
  • Matplotlib
  • Sklearn

👨‍💻 Execução

Para executar os notebooks localmente, certifique-se de:

• Fazer o download do arquivo marketing_campaign.csv neste link do Kaggle ou pegar diretamente deste repositório.
• Seguindo o notebook 01-eda_kmeans.ipynb, explorar os dados do data set, realizar a clusterização e obter o data set dataset_cluster.csv.
• O arquivo dataset_cluster.csv diz respeito ao data set utilizado diretamente no notebook 02-analise-perfis.ipynb (onde detalhamos os perfis criados) e nos notebooks 03-svm.ipynb e 04-xgboost.ipynb, onde aplicamos nossos modelos de predição.
• Atenção: lembre-se de alterar o caminho nas linhas de código que lêem os data sets em seus respectivos notebooks.

Tags: python data-science k-means svm xgboost clustering perfis clientes