Sari la conținutul principal

Curs

Segmentarea clienților în Python

IntermediarNivel de competențe

Actualizat 03.2026

Învață cum să segmentezi clienții în Python.

Începe cursul gratuit

PythonData Manipulation

4 h

17 videoclipuri

55 Exerciții

4,400 XP

21,695

Certificat de realizare

Îndrăgit de cursanți din mii de companii

Formare pentru o echipă?

Încearcă pentru afaceri

Descrierea cursului

Cele mai de succes companii de astăzi sunt cele care își cunosc clienții atât de bine încât le pot anticipa nevoile. Analiștii de date joacă un rol esențial în descoperirea acestor informații detaliate și în segmentarea clienților pentru a-i servi mai bine. În acest curs, vei învăța tehnici practice de segmentare a clienților și de analiză comportamentală, folosind un set de date real care conține tranzacții anonimizate ale clienților unui retailer online. Vei începe cu o analiză de cohortă pentru a înțelege tendințele clienților. Apoi vei învăța cum să construiești segmente de clienți ușor de interpretat. În plus, vei pregăti segmentele create pentru a le face compatibile cu algoritmii de învățare automată. În final, vei îmbunătăți segmentele cu ajutorul algoritmului k-means, în doar câteva linii de cod! La finalul cursului, vei putea aplica tehnici practice de analiză comportamentală și segmentare a clienților.

Cerințe prealabile

Supervised Learning with scikit-learn

1

Analiza de cohortă

În acest prim capitol, vei învăța despre cohorte și cum să le analizezi. Vei crea propriile cohorte de clienți, vei calcula câteva metrici și vei vizualiza rezultatele.

Introducere în analiza de cohorte

Câți clienți au fost achiziționați?

Analiza de cohortă

Atribuie cohorta de achiziție zilnică

Calculează decalajul de timp în zile – partea 1

Calculează decalajul de timp în zile - partea 2

Metrici pentru cohorte

Retenția clienților

Calculează rata de retenție de la zero

Calculează prețul mediu

Vizualizarea analizei de cohortă

Vizualizarea metricii privind cantitatea medie

Începe capitolul

2

Analiza recenței, frecvenței și valorii monetare

În acest al doilea capitol, vei învăța despre segmentele de clienți. Vei lucra cu conceptele de recență, frecvență și valoare monetară, vei crea segmente de clienți pe baza acestora și vei analiza rezultatele.

Segmentarea după recență, frecvență și valoare monetară (RFM)

Calculează cuartilele de cheltuieli (q=4)

Calculează decilele de recență (q=4)

Calcularea metricilor RFM

Cea mai mare valoare de frecvență

Calculează valorile RFM

Construirea segmentelor RFM

Calculează 3 grupuri pentru recență și frecvență

Calculează scorul RFM

Analiza tabelului RFM

Găsește valoarea medie pentru segmentul cu scorul RFM

Crearea segmentelor personalizate

Analizarea segmentelor personalizate

Începe capitolul

3

Preprocesarea datelor pentru clustering

După ce ai creat segmente, vei dori să faci predicții. Totuși, trebuie mai întâi să stăpânești metode practice de pregătire a datelor, pentru a te asigura că algoritmul de clustering k-means va identifica segmente bine delimitate și relevante.

Preprocesarea datelor

Ipotezele algoritmului k-means

Calculează statisticile variabilelor

Gestionarea variabilelor asimetrice

Detectează variabilele asimetrice

Gestionarea asimetriei distribuției

Centrarea și scalarea datelor

Centrare și scalare manuală

Centrare și scalare cu StandardScaler()

Pipeline de preprocesare

Vizualizarea distribuțiilor RFM

Pre-procesarea datelor RFM

Vizualizează variabilele normalizate

Începe capitolul

4

Segmentarea clienților cu K-means

În acest capitol final, vei folosi datele preprocesate în Capitolul 3 pentru a identifica clustere de clienți pe baza recenței, frecvenței și valorii monetare.

Implementarea practică a algoritmului k-means

Rulează k-means

Atribuie etichete datelor brute

Alegerea numărului de clustere

Calculează suma pătratelor erorilor

Reprezentarea grafică a sumei erorilor pătratice

Profilarea și interpretarea segmentelor

Pregătirea datelor pentru graficul snake

Vizualizează graficul snake plot

Calculează importanța relativă a fiecărui atribut

Reprezentarea grafică a importanței relative prin heatmap

Soluție completă de segmentare

Pre-procesarea datelor

Calculează și reprezintă grafic suma pătratelor erorilor

Construiește o soluție cu 4 clustere

Analizează segmentele

Gânduri finale

Începe capitolul

Segmentarea clienților în Python

Curs
finalizat

Obține diploma de absolvire

Adaugă această acreditare la profilul tău LinkedIn, CV sau rezumat
Distribuie pe rețelele de socializare și în evaluarea ta de performanțăÎnscrie-te acum

Alătură-te celor peste 19 de milioane de cursanți și începe Segmentarea clienților în Python astăzi!

Dezvoltați-vă abilitățile de gestionare a datelor cu DataCamp pentru mobil

Fă progrese din mers cu cursurile noastre mobile și provocările zilnice de programare de 5 minute.