Analyse des segments RFM

Segmentation de la clientèle en Python

Karolis Urbonas

Head of Data Science, Amazon

Plus grands segments RFM

datamart.groupby('RFM_Segment').size().sort_values(ascending=False)[:10]

principaux_segments_rfm

Filtrer par segments RFM

Sélectionner le segment RFM minimal « 111 » et afficher les 5 premières lignes

datamart[datamart['RFM_Segment']=='111'][:5]

meilleurs-segments-111

Indicateurs par pointage RFM

datamart.groupby('RFM_Score').agg({
    'Recency': 'mean',
    'Frequency': 'mean',
    'MonetaryValue': ['mean', 'count'] })/
    .round(1)

Regrouper en segments nommés

Utiliser le pointage RFM pour regrouper les clients en segments Or, Argent et Bronze.

def segment_me(df):
    if df['RFM_Score'] >= 9:
        return 'Gold'
    elif (df['RFM_Score'] >= 5) and (df['RFM_Score'] < 9):
        return 'Silver'
    else:
        return 'Bronze'

datamart['General_Segment'] = datamart.apply(segment_me, axis=1)

datamart.groupby('General_Segment').agg({
    'Recency': 'mean',
    'Frequency': 'mean',
    'MonetaryValue': ['mean', 'count']}).round(1)

Nouveaux segments et leurs valeurs

Pratique : créer des segments personnalisés

Segmentation de la clientèle en Python