🧩 Анализ сегментации клиентов (Customer Segmentation)

Датасет: https://www.kaggle.com/datasets/vishakhdapat/customer-segmentation-clustering

• 🇬🇧 English version
• 🧑‍💻 NOTES

---

📸 Превью проекта

Интерфейс Streamlit	Процесс разработки

---

1. Подготовка данных

Выполненные шаги:

Преобразовал дату Dt_Customer в формат datetime:

df["Dt_Customer"] = pd.to_datetime(df["Dt_Customer"], dayfirst=True)

• Удалил 9 пропущенных значений для чистоты данных.

• Добавил новые признаки:

  • Total_Children — общее количество детей (Kidhome + Teenhome)
  • Total_Spending — общие расходы клиента по всем категориям
  • Customer_Since — сколько дней клиент уже с нами (2025 - Dt_Customer)

---

2. Исследовательский анализ данных (EDA)

Распределения и boxplot-графики

С помощью Seaborn были построены распределения и boxplot-графики, на основе которых выявлены закономерности и гипотезы:

Образование и доход

• Люди с более высоким уровнем образования имеют, как правило, более высокий доход.

Семейное положение и расходы

• Люди, живущие одни, тратят меньше. Это может стать важным поведенческим признаком при сегментации клиентов.

---

Корреляционная матрица

Переменные	Корреляция	Интерпретация
Total_Spending ↔ NumStorePurchases	0.68	Основные траты происходят в офлайн-магазинах.
Total_Spending ↔ NumWebPurchases	0.53	Активные покупатели покупают и онлайн, и офлайн.
NumStorePurchases ↔ NumWebPurchases	0.52	Покупатели не ограничиваются одним каналом.
Age ↔ Другие переменные	~0.11–0.16	Возраст почти не влияет на поведение клиентов.

Вывод: Активные клиенты совершают покупки во всех каналах — это лояльные и вовлечённые покупатели.

---

Доход по образованию и семейному положению

Образование	Семейное положение	Средний доход
PhD	Married	79,244
Graduation	Married	64,176
PhD	Together	64,176

Наблюдения:

• Люди с Graduation имеют самые высокие доходы во всех статусах.
• PhD — стабильно высокий уровень дохода.
• Basic education — самые низкие доходы (в 2–3 раза ниже).

---

3. Feature Engineering (создание новых признаков)

Создана группа по средним тратам в зависимости от образования:

group1 = df.groupby("Education")["Total_Spending"].mean().sort_values(ascending=False)

Добавлен признак TotalAccepted — общее количество принятых маркетинговых предложений:

df["TotalAccepted"] = df[["AcceptedCmp1","AcceptedCmp2","AcceptedCmp3","AcceptedCmp4","AcceptedCmp5","Response"]].sum(axis=1)
df["AcceptedAny"] = df["TotalAccepted"] > 0

Группировка по семейному положению:

group2 = df.groupby("Marital_Status")["AcceptedAny"].mean().sort_values(ascending=False)

Выводы:

• Наиболее отзывчивые группы: Together, Married
• Менее отзывчивые: Alone, Widow

Рекомендации для маркетинга:

• Together / Married — семейные скидки, программы лояльности
• Divorced / Single — индивидуальные акции и персональные предложения
• Alone / Widow — простые коммуникации и базовые предложения

---

4. Анализ по возрастным группам

Выявленный паттерн:

• Доход растёт почти линейно с возрастом.
• Пик дохода — 70+ лет, а не 40–50 как обычно.
• Молодые (18–29) — минимальный доход.
• Клиенты 60+ — наиболее платёжеспособные.

Возможные причины: накопления, наследство, ориентация продукта на зрелую аудиторию.

Рекомендации:

• 50+ лет: премиальные продукты, персональные сервисы, программы лояльности.
• 18–39 лет: рассрочки, образовательные кампании, “молодёжные” скидки.

---

5. Масштабирование и кластеризация

• Все признаки приведены к единому масштабу.
• Оптимальное количество кластеров определено с помощью Elbow Method и подтверждено коэффициентом силуэта — выбрано k = 4.

Метод	Визуализация
Elbow Method
Silhouette Score
PCA (визуализация кластеров)

---

6. Интерпретация кластеров

🟢 Кластер 0 — “Богатые, но неактивные”

• 💰 Доход: 77K | Расходы: 1250
• 👴 Возраст: около 58 лет
• 🛒 Предпочитают офлайн
• 📅 Recency = 70 (давно не покупали)

Вывод: обеспеченные пожилые клиенты, снизившие активность. Рекомендация: напомнить о бренде (email, бонусы, повторные предложения).

---

🔴 Кластер 1 — “Малообеспеченные, неактивные”

• 💰 Доход: 34K | Расходы: 103
• 🛒 Низкая активность во всех каналах
• 📅 Recency = 49

Вывод: низкая покупательная способность, интерес есть, но без покупок. Рекомендация: акции, рассрочки, персональные предложения.

---

🟢 Кластер 2 — “Лояльные и активные”

• 💰 Доход: 70K | Расходы: 1100
• 🛒 Часто покупают онлайн и офлайн
• 📅 Recency = 18.9 (покупали недавно)

Вывод: идеальные клиенты — богатые, активные и лояльные. Рекомендация: VIP-программы, удержание, бонусы за активность.

---

🟠 Кластер 3 — “Онлайн-активные среднего уровня”

• 💰 Доход: 57K | Расходы: 811
• 🌐 Очень активны онлайн (7.6 покупок, 6.6 визитов)
• 📅 Recency = 55 (активность снизилась)

Вывод: цифрово-ориентированные клиенты, интерес ослаб. Рекомендация: ремаркетинг, персональные email-кампании.

---

7. Итоговый обзор

Кластер	Описание	Приоритет	Действие
🟢 2	Лояльные и активные	🔝 Высокий	Удержание и поощрение
🔵 0	Богатые, но неактивные	🟡 Средний	Реактивация
🟠 3	Онлайн-активные	🟠 Средний	Ремаркетинг
🔴 1	Малообеспеченные	🔴 Низкий	Минимальные кампании

---

8. Инструменты и библиотеки

• Python
• Pandas, NumPy
• Seaborn, Matplotlib
• Scikit-learn — KMeans, StandardScaler, PCA
• Joblib — сохранение модели
• Streamlit — визуальный интерфейс