Visualiser et interpréter des solutions de segmentation

Machine Learning pour le marketing en Python

Karolis Urbonas

Head of Analytics & Science, Amazon

Méthodes pour explorer les segments

  • Calculer la moyenne, la médiane ou d'autres centiles pour chaque variable par segment
  • Calculer l'importance relative de chaque variable par segment
  • Explorer le tableau de données ou le représenter (la carte thermique est un bon choix)
Machine Learning pour le marketing en Python

Analyser les moyennes des attributs K-means

kmeans4_averages = wholesale_kmeans4.groupby(['segment']).mean().round(0)
print(kmeans4_averages)

Moyennes K-means à 4 segments

Machine Learning pour le marketing en Python

Tracer les moyennes des attributs K-means

sns.heatmap(kmeans4_averages.T, cmap='YlGnBu')
plt.show()

Carte thermique des moyennes K-means à 4 segments

Machine Learning pour le marketing en Python

Tracer les moyennes des attributs NMF

nmf4_averages = wholesale_nmf4.groupby('segment').mean().round(0)
sns.heatmap(nmf4_averages.T, cmap='YlGnBu')
plt.show()

Carte thermique des moyennes NMF

Machine Learning pour le marketing en Python

Créons des solutions à 3 segments !

Machine Learning pour le marketing en Python

Preparing Video For Download...