顾客喜好分析项目（用户画像）

项目背景

客户个性分析是对公司理想客户的详细分析，有助于企业更好地了解其客户，以满足不同类型客户的特定需求、行为和关注点。通过客户个性分析，企业可以更精确地调整其产品、服务和市场策略，提高客户满意度和业务绩效。

项目目标

本项目的主要目标是进行客户个性分析，通过聚类客户，识别不同类型的客户群体。我们的目标是回答以下问题：

1. 人们对产品的评价：是什么决定了客户对产品的态度。
2. 人们做了什么：揭示了人们在做什么，而不是他们对产品的评价。

项目应用

客户个性分析在市场营销和业务决策中具有广泛的应用。一些潜在的应用包括：

• 定制市场策略：根据不同客户群体的需求和偏好，调整产品推广和定价策略。
• 提高客户满意度：根据客户个性，提供更个性化的客户支持和服务。
• 产品优化：根据客户反馈和行为，改进产品设计和功能。

数据集

我们使用的数据集包含了客户的各种属性，包括出生年份、教育程度、婚姻状况、家庭年收入、家庭成员数量、投诉历史、购买历史等。这些属性将帮助我们了解客户的特点和行为。

属性

• ID：客户的唯一标识符
• Year_Birth：客户的出生年份
• Education：客户的教育程度
• Marital_Status：客户的婚姻状况
• Income：客户的家庭年收入
• Kidhome：客户家庭中的儿童数量
• Teenhome：客户家庭中青少年的数量
• Dt_Customer：客户在公司注册的日期
• Recency：自客户上次购买以来的天数
• Complain：如果客户在过去 2 年内投诉过，则为 1，否则为 0 产品

---

• MntWines：过去 2 年在葡萄酒上的花费金额
• MntFruits：过去 2 年在水果上花费的金额
• MntMeatProducts：过去 2 年在肉类上的花费金额
• MntFishProducts：过去 2 年在鱼类上花费的金额
• MntSweetProducts：过去 2 年在糖果上花费的金额
• MntGoldProds：过去 2 年促销中花费在黄金上的金额

---

• NumDealsPurchases：折扣购买数量
• AcceptedCmp1：如果客户在第一个活动中接受了优惠，则为 1，否则为 0
• AcceptedCmp2：如果客户在第二次活动中接受了优惠，则为 1，否则为 0
• AcceptedCmp3：如果客户在第三次活动中接受了报价，则为 1，否则为 0
• AcceptedCmp4：如果客户在第四次活动​​中接受了报价，则为 1，否则为 0
• AcceptedCmp5：如果客户在第五次活动中接受了报价，则为 1，否则为 0
• Response：如果客户在上次活动中接受了优惠，则为 1，否则为 0 放置

---

• NumWebPurchases：通过公司网站进行的购买数量
• NumCatalogPurchases：使用目录进行的购买数量
• NumStorePurchases：直接在商店购买的数量
• NumWebVisitsMonth：上个月公司网站的访问次数

模型方法

项目的主要方法包括以下步骤：

1. 数据收集和分析：导入数据集，分析数据的行数、列数和缺失值，并对二进制属性列进行可视化。
2. 数据预处理：填充缺失值、合并相似属性列、删除无用的列。
3. 探索性数据分析：使用Matplotlib、Seaborn和Plotly进行数据可视化，帮助我们更好地了解数据分布和关联。
4. 客户聚类：使用K-Means聚类算法将客户分为不同的群体，找到合适的聚类数量。
5. 可视化和报告：将不同客户群体与其他属性进行可视化，并撰写报告以总结客户个性类型。

结果可视化

代码实现

代码和数据集下载