Skip to content

Interroger une base de données client avec des requêtes SQL / Segmenter des clients selon leur profil de consommation / Analyser la dérive temporelle des clusters

Notifications You must be signed in to change notification settings

LEBOUCHER33/Customers_Segmentation_Analysis

Repository files navigation

Customers_segmentation

Objectif :

Comparer différents algorithmes de clustering afin de segmenter les clients d'un site de e-commerce dans le but d'établir leurs profils de consommation et ainsi pourvoir développer et adapter une stratégie de marketing et de communication ciblée.

Etapes clés :

1- interroger la base de données clients à l'aide de requêtes SQL

2- feature engineering et scoring RFM (Montant/Fréquence/Récecnce)

3- tester et comparer différents algorithmes de clustering : - k-means clustering - agglomerative clustering - density clustering

4- évaluer la dérive temporelle des clusters obtenus avec l'algorithme le plus performant

Highligths :

  • SQL

  • Scoring RFM

  • K-means / dendogramme / DBSCAN

  • dérive temporelle et maintenance d'un modèle de clustering

About

Interroger une base de données client avec des requêtes SQL / Segmenter des clients selon leur profil de consommation / Analyser la dérive temporelle des clusters

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published