Un framework per aiutare l’azienda ad adottare la segmentazione dei clienti
11 ore fa
WQuando si presenta la necessità per un team di data science di creare un modello di segmentazione della clientela, si tratta di una richiesta da parte dell’azienda o, più raramente, di una decisione proattiva da parte dei data scientist. In entrambi i casi, la necessità è la stessa: una comprensione più profonda della base clienti per prendere decisioni più raffinate e differenziate su ciascun segmento.
Tuttavia, ho visto molti sforzi di clustering non essere adottati dall’azienda perché i segmenti risultanti non avevano risonanza o non erano utilizzabili dalle parti interessate dell’azienda. In questo articolo, delineerò i passaggi e le strategie chiave per massimizzare l’adozione della segmentazione all’interno dell’azienda.
- Dichiarazione di lavoro
- Metti in ordine i tuoi dati
- Definisci il tuo algoritmo
- Comprendi i tuoi cluster
- Quanti cluster?
- Verificare la stabilità
- Tradurre in regole aziendali (o meno)
Dato il focus sulla “scienza dei dati applicata” piuttosto che sull’”apprendimento automatico automatico”, questo articolo si astiene dall’entrare nei dettagli intricati di vari algoritmi di clustering, poiché ci sono abbondanti risorse disponibili per coloro che cercano una comprensione più profonda (hecco O Qui ).
Senza ulteriori indugi, cominciamo!
COME con ogni lavoro, devi rispondere ad alcune domande importanti prima di immergerti nel lavoro tecnico.
Quali sono gli obiettivi aziendali della segmentazione?
→ Definire cosa stiamo cercando di capire sui nostri clienti.
Esistono molti modi diversi di guardare ai clienti, ad esempio potremmo cercare di scoprire quali sono i principali comportamenti transazionali sono (ad esempio nel commercio al dettaglio: sono stagionali, qual è il respiro dei prodotti, il valore e la frequenza delle transazioni…), oppure potremmo…
Fonte: towardsdatascience.com
