Ir al contenido principal

Curso

Segmentación de clientes en Python

IntermedioNivel de habilidad

Actualizado 3/2026

Aprende a segmentar clientes en Python.

Comienza El Curso Gratis

PythonData Manipulation4 h17 vídeos55 Ejercicios4,400 XP21,590Certificado de logros

Crea Tu Cuenta Gratuita

o

Al continuar, aceptas nuestros Términos de uso, nuestra Política de privacidad y que tus datos se almacenen en los EE. UU.

Preferido por estudiantes en miles de empresas

¿Formar a 2 o más personas?

Probar DataCamp for Business

Descripción del curso

Las empresas más exitosas hoy son las que conocen tan bien a sus clientes que pueden anticipar sus necesidades. Las personas analistas de datos tienen un papel clave para desbloquear estos conocimientos en profundidad y segmentar a los clientes para atenderlos mejor. En este curso, aprenderás técnicas reales de segmentación de clientes y analítica del comportamiento, usando un conjunto de datos real con transacciones anonimizadas de un minorista online. Primero, harás un análisis de cohortes para entender las tendencias de los clientes. Después, verás cómo construir segmentos de clientes fáciles de interpretar. Además, prepararás los segmentos que creaste para que estén listos para Machine Learning. Por último, potenciarás tus segmentos con k-means clustering, ¡en solo unas pocas líneas de código! Al finalizar, serás capaz de aplicar técnicas prácticas de analítica del comportamiento del cliente y de segmentación.

Requisitos previos

Supervised Learning with scikit-learn

1

Cohort Analysis

In this first chapter, you will learn about cohorts and how to analyze them. You will create your own customer cohorts, get some metrics and visualize your results.

Introduction to cohort analysis

How many customers acquired?

Cohort analysis

Assign daily acquisition cohort

Calculate time offset in days - part 1

Calculate time offset in days - part 2

Cohort metrics

Customer retention

Calculate retention rate from scratch

Calculate average price

Visualizing cohort analysis

Visualize average quantity metric

Iniciar Capítulo

2

Recency, Frequency, and Monetary Value Analysis

In this second chapter, you will learn about customer segments. Specifically, you will get exposure to recency, frequency and monetary value, create customer segments based on these concepts, and analyze your results.

Recency, frequency, monetary (RFM) segmentation

Calculate spend quartiles (q=4)

Calculate recency deciles (q=4)

Calculating RFM metrics

Largest frequency value

Calculate RFM values

Building RFM segments

Calculate 3 groups for recency and frequency

Calculate RFM Score

Analyzing RFM table

Find average value for RFM score segment

Creating custom segments

Analyzing custom segments

Iniciar Capítulo

3

Data Preprocessing for Clustering

Once you created some segments, you want to make predictions. However, you first need to master practical data preparation methods to ensure your k-means clustering algorithm will uncover well-separated, sensible segments.

Data preprocessing

Assumptions of k-means

Calculate statistics of variables

Managing skewed variables

Detect skewed variables

Manage skewness

Centering and scaling data

Center and scale manually

Center and scale with StandardScaler()

Pre-processing pipeline

Visualize RFM distributions

Pre-process RFM data

Visualize the normalized variables

Iniciar Capítulo

4

Customer Segmentation with K-means

In this final chapter, you will use the data you pre-processed in Chapter 3 to identify customer clusters based on their recency, frequency, and monetary value.

Practical implementation of k-means clustering

Run k-means

Assign labels to raw data

Choosing the number of clusters

Calculate sum of squared errors

Plot sum of squared errors

Profile and interpret segments

Prepare data for the snake plot

Visualize snake plot

Calculate relative importance of each attribute

Plot relative importance heatmap

End-to-end segmentation solution

Pre-process data

Calculate and plot sum of squared errors

Build 4-cluster solution

Analyze the segments

Final thoughts

Iniciar Capítulo

Segmentación de clientes en Python

Curso
completo

Obtener certificado de logros

Añade esta certificación a tu perfil de LinkedIn o a tu currículum.
Compártelo en redes sociales y en tu evaluación de desempeño.Inscríbete Ahora

¡Únete a 19 millones de estudiantes y empieza Segmentación de clientes en Python hoy mismo!

Crea Tu Cuenta Gratuita

o

Al continuar, aceptas nuestros Términos de uso, nuestra Política de privacidad y que tus datos se almacenen en los EE. UU.

Desarrolla tus habilidades de datos con la aplicación móvil de DataCamp

Progresa desde cualquier dispositivo móvil con nuestros cursos y desafíos de programación diarios de 5 minutos.