Clustering-Analyse
In dieser Clustering-Analyse wurde das Einkaufsverhalten der Kunden untersucht, um gezielte Marketingmaßnahmen zu entwickeln. Dabei lag der Fokus auf drei die Schlüsselvariablen: Recency, Frequency und MonetaryValue. Um ähnliche Kunden zu segmentieren, wurde eine K-Means-Clusteranalyse durchgeführt.
Zunächst wurden Kundenverhaltensdaten normalisiert und in einer Stichprobe von 10.000 Kunden segmentiert. Die optimale Clusteranzahl wurde mithilfe der Elbow-Methode und des Silhouette-Koeffizienten bestimmt. Anschließend wurde eine K-Means-Clusteranalyse durchgeführt, Clusterdurchschnittswerte und Korrelationskoeffizienten berechnet. Abschließend wurde ein Paarplot für eine visuelle Darstellung der Beziehungen zwischen den Variablen erstellt.
Die Clusteranalyse ergab drei interessante Gruppen, die hilft, das Einkaufsverhalten besser zu verstehen:
"Die Gelegenheitskäufer" - Cluster 1 umfasst Kunden, die kürzlich eingekauft haben, jedoch nicht so häufig und mit geringerem Geldwert. Diese Gruppe könnte als Gelegenheitskäufer betrachtet werden, die bei Aktionen oder Angeboten einkaufen.
"Die zurückhaltenden Käufer" - Cluster 2 repräsentiert Kunden, deren letzter Einkauf etwas länger zurückliegt, und die ebenfalls eine geringere Kaufhäufigkeit und Geldwert aufweisen. Sie könnten als inaktive Kunden angesehen werden.
"Die treuen Stammkunden" - Cluster 3 besteht aus Kunden, die zwar schon länger nicht mehr eingekauft haben, aber eine höhere Kaufhäufigkeit und Geldwert aufweisen. Das legt nahe, dass diese Kunden zuvor loyale und wertvolle Kunden waren.
Die Analyse zeigt, dass in allen Gruppen häufigere Einkäufe dazu neigen, mit kürzer zurückliegenden Käufen assoziiert zu sein. Überraschenderweise besteht jedoch keine starke Beziehung zwischen der Zeit seit dem letzten Kauf und dem Geldwert, was darauf hindeutet, dass die Kundenbindung nicht unbedingt durch den Gesamtumsatz bestimmt wird.
Besonders interessant ist die starke Korrelation zwischen Kaufhäufigkeit und Geldwert in Cluster 3. Hier zeigt sich, dass ehemals loyale Kunden, obwohl ihr letzter Einkauf länger zurückliegt, einen hohen Geldwert generiert haben. Diese Erkenntnisse bieten wertvolle Informationen, um gezielte Marketingstrategien zu entwickeln, die auf die Bedürfnisse und das Verhalten der verschiedenen Kundengruppen eingehen.
Der Plot bietet eine visuelle Darstellung der Beziehungen zwischen Recency, Frequency und MonetaryValue in den verschiedenen Clustern. Er unterstützt die oben genannten Interpretationen und zeigt, wie Kunden in den Clustern auf der Grundlage dieser Variablen gruppiert sind. Farben kennzeichnen die Zugehörigkeit zu den einzelnen Clustern und ermöglichen eine anschauliche Analyse der Muster und Beziehungen zwischen den Variablen innerhalb und zwischen den Clustern.