Customer-segmentation:用于银行客户细分的无监督机器学习项目

RFM分析与建模 使用K-Means和聚集聚类基于RFM功能创建客户细分

客户细分 有关客户细分的案例研究项目。 客户细分是根据共同特征将客户分为几组的过程，以便公司可以有效，适当地向每个组进行营销。 在这个项目中，我们使用在线食品交付平台上的数据。 我们的目标是创建客户细分以回答业务问题。 我们计划使用两种模型： 更传统的统计模型 一种称为K-均值聚类的机器学习算法 所有代码都在Jupyter Notebook（Python 3.x）中编写 使用Tableau Link->

商城-客户细分 在这个项目中，我对商城客户数据进行了探索性数据分析。 此外，我使用了K-均值聚类算法来创建客户细分（不同类型的客户群）。 数据 数据集中的功能 客户ID-这是分配给客户的唯一ID 性别-客户的性别 年龄-客户的年龄（以年为单位） 年收入（k $）-客户的年收入（k $） 支出得分-商场/购物中心根据客户的支出性质和行为分配给客户的得分

客户细分 该项目是关于使用K-means在购物中心进行客户细分。 该项目中使用的语言是Python。

客户分析：机器学习有关客户细分和群体预测的案例研究

中国电信政企商客的客户细分及主要需求 政企商业客户市场是全国商业客户超过4000万家，其中，具备一定规模客户超过1000万家； 2012年商业客户全业务收入占政企比达67.5%，其中，增量收入占政企比达70.3%；这些客 户特点如下：目前中小商户客户数规模在10万左右； 细：应用产品满足细分市场客户需求，与行业特征紧密相关 多：覆盖面广、细分市场多，目前已划分出超过90个细分市场 快：行业变化频繁，客户信息化投资有限，IT维护力量弱，员工流动性大，应用产品更多具有 互联网特性，简单标准，升级迭代快； 细分行业 客户数量 目标用户 从业人数 需求侧重 事务所 >2000 律师、会计师、审计师 >40万 高效办公、移动审批、信息检索 专业市场 >5000 店主 >200万 视频监控、实时查看、安全管理 交通运输 >10000 司机、车辆 >500万 有效调度、实时监控、保障安全 物业管理 >60000 保安 巡检人员 >600万 实时巡更、随时调度、信息采集 …

证券公司A客户细分及差异化服务方案设计 1：主要方法 （1）计算变量 （2）分组分级量化 （3）K个独立样本非参数检验 （4）降维-最优尺度的分析方法 （5）独立样本T检验 （6）分析描述探索 2：分析内容 （1）客户各自然或社会属性对客户投资各类出、入据的影响 （2）各投资偏好等级与顾客入据、出据的关联 （3）客户各自然或社会属性值对应的估计总体投资偏好(具体数值)及其所属的偏好等级 （4）各投资偏好等级对应的顾客各属性区间估计

一种带有导向性的聚类方法在电信客户细分中的应用.pdf

基于聚类的电信客户细分.pdf