Customer segmentation

🎯 Objectifs

Ce projet vise à étudier les profils clients à travers la segmentation des clients. Une analyse de profils similaires regroupés en clusters, dans le but de proposer des stratégies marketing personnalisées et d’améliorer la fidélisation de la clientèle

🗃️ Structure du projet

├── image/
├── Analyse_market.html   #  compile en htlm du Analyse_market
├── Analyse_market.ipynb  #  jyputer Notebook pour analyse complete des données 
├── README.md
├── Structure_depot.py   
├── customer_segmentation_data.csv  # données du projet 
├── requirements.txt  
└── stats.csv             # stats descriptive de variables numeriques

Analyse de la clientèle et les segments l'aide de la segmentation de la clientèle :

• Calcul des statistiques descriptives (moyennes, modes) pour chaque segment afin d'identifier les comportements clés et les préférences des clients.

Unnamed: 0	count	mean	std	min	25%	50%	75%	max
age	1000	43.783	15.0422	18	30	45	57	69
income	1000	88500.8	34230.8	30004	57911.8	87845.5	116110	149973
spending_score	1000	50.685	28.9552	1	26	50	76	100
membership_years	1000	5.469	2.85573	1	3	5	8	10
purchase_frequency	1000	26.596	14.2437	1	15	27	39	50
last_purchase_amount	1000	492.349	295.744	10.4	218.762	491.595	747.17	999.74

• Créer des visualisations interactives (boxplots, heatmaps) pour présenter les résultats et faciliter la prise de décision.

• Usage des techniques de clustering pour identifier trois segments distincts : jeunes acheteurs fréquents, clients à revenu élevé mais peu actifs, et clients plus âgés avec des montants d'achat élevés.

• Segmentation client basée sur des données démographiques, comportementales et financières (âge, genre, revenu, score de dépense, fréquence d'achat, etc.).

• Générer des insights stratégiques : recommandations marketing ciblées pour augmenter la fréquence d'achat, fidéliser les clients et maximiser les revenus par segment.

• Outils utilisés : Python (pandas, seaborn, matplotlib), Jupyter Notebook.

🎯 Synthèse des Segments Clients

🔹 Segment 1 – Jeunes acheteurs fidèles (Cluster 1)

Âge moyen : 30 ans

Revenu moyen : 90 800

Score de dépense : 43

Années d'adhésion : 6 ans

Fréquence d'achat : 34 (élevée)

Dernier montant d'achat : 449 (moyen)

Genre dominant : Homme

Catégorie préférée : Home & Garden

• 🧠 Insight : Clients jeunes, engagés, avec un pouvoir d’achat conséquent et une affinité forte pour les produits maison.

• 🎯 Stratégie :

Campagnes ciblées sur la catégorie Home & Garden

Offres de fidélisation (abonnements, points récompense)

Mises en avant saisonnières ou collections exclusives

🔹 Segment 2 – Consommateurs haut revenu mais peu actifs (Cluster 2)

Âge moyen : 48 ans

Revenu moyen : 97 625 (le plus élevé)

Score de dépense : 55

Années d'adhésion : 4.8 ans

Fréquence d'achat : 18 (faible)

Dernier montant d'achat : 249 (modeste)

Genre dominant : Femme

Catégorie préférée : Groceries

• 🧠 Insight : Bien que fortunés, ces clients dépensent peu et de manière peu fréquente. Il y a un potentiel inexploité.

• 🎯 Stratégie :

Offres promotionnelles et points de fidélité pour stimuler la fréquence d'achat

Sélection de produits alimentaires premium

Mise en avant de services personnalisés ou d’abonnements “confort”

🔹 Segment 3 – Seniors technophiles (Cluster 3)

Âge moyen : 52 ans

Revenu moyen : 77 892 (le plus bas)

Score de dépense : 53

Années d'adhésion : 5.5 ans

Fréquence d'achat : 27 (moyenne)

Dernier montant d'achat : 757 (le plus élevé)

Genre dominant : Autre

Catégorie préférée : Electronics

• 🧠 Insight : Clientèle mûre et technophile, avec des achats plus rares mais plus coûteux.

• 🎯 Stratégie :

Offres sur produits électroniques haut de gamme

Essais gratuits ou démonstrations personnalisées

Assistance client renforcée pour l’adoption de nouvelles technologies

✅ Recommandations Stratégiques Globales

1. Segmentation dynamique

Adopter des campagnes marketing spécifiques à chaque cluster :

Cluster 1 : Promotions Home & Garden

Cluster 2 : Gammes premium en alimentation

Cluster 3 : Gadgets technologiques et innovations

2. Programmes de fidélité ciblés

Cluster 1 : Récompenses fréquentes pour maintenir l’engagement

Cluster 2 : Offres exclusives et abonnement “essai”

Cluster 3 : Réductions cumulatives ou remises par paliers

3. Optimisation produit & relation client

Mettre en avant les catégories préférées selon le segment

Développer une approche relationnelle sur mesure pour fidéliser les clients à forte valeur potentielle (haut revenu ou dépenses élevées)

👤Auteur

AFOLABI Nazifou

• Data Analyst
• Passionné par l'analyse de données et le data driven .
• Email : afolabinazif96@gmail.com
• LinkedIn : Nazifou AFOLABI