FLO satış ve pazarlama faaliyetleri için roadmap belirlemek istemektedir.
Şirketin orta uzun vadeli plan yapabilmesi için var olan müşterilerin gelecekte şirketesağlayacakları potansiyel değerin tahmin edilmesigerekmektedir.
Veri seti Flo’dan son alışverişlerini 2020 - 2021 yıllarında OmniChannel olarak yapan müşterileringeçmiş alışveriş davranışlarından elde edilen bilgilerden oluşmaktadır
#master_id = Eşsiz müşteri numarası
#order_channel = Alışveriş yapılan platforma ait hangi kanalın kullanıldığı (Android, ios, Desktop, Mobile)
#last_order_channel = En son alışverişin yapıldığı kanal
#first_order_date = Müşterinin yaptığı ilk alışveriş tarihi
#last_order_date = Müşterinin yaptığı son alışveriş tarihi
#last_order_date_online = Müşterinin online platformda yaptığı son alışveriş tarihi
#last_order_date_offline = Müşterinin offline platformda yaptığı son alışveriş tarihi
#order_num_total_ever_online = Müşterinin online platformda yaptığı toplam alışveriş sayısı
#order_num_total_ever_offline = Müşterinin offline'da yaptığı toplam alışveriş sayısı
#customer_value_total_ever_offline = Müşterinin offline alışverişlerinde ödediği toplam ücret
#customer_value_total_ever_online = Müşterinin online alışverişlerinde ödediği toplam ücret
#interested_in_categories_12 = Müşterinin son 12 ayda alışveriş yaptığı kategorilerin liste
Aykırı değerleri baskılamak için gerekli olan outlier_thresholds ve replace_with_thresholds fonksiyonlarını tanımladım.
#"order_num_total_ever_online","order_num_total_ever_offline","customer_value_total_ever_offline","customer_value_total_ever_online" değişkenlerinin aykırı değerleri varsa baskıladım.
#Her müşterinin toplam alışveriş sayısı ve harcaması için yeni değişkenler oluşturdum.
#Tarih ifade eden değişkenlerin tipini date'e çevirdim.
#Veri setindeki en son alışverişin yapıldığı tarihten 2 gün sonrasını analiz tarihi olarak aldım.
#customer_id, recency_cltv_weekly, T_weekly, frequency ve monetary_cltv_avg değerlerinin yer aldığı yeni bir cltv dataframe'i oluşturdum.
#BG/NBD modelini kurdum
#3 ay içerisinde müşterilerden beklenen satın almaları tahmin ettim ve exp_sales_3_month olarak cltv dataframe'ine ekledim
#6 ay içerisinde müşterilerden beklenen satın almaları tahmin ettim ve exp_sales_6_month olarak cltv dataframe'ine ekledim
#3. ve 6.aydaki en çok satın alım gerçekleştirecek 10 kişiyi inceledim.
Gamma-Gamma modelini fit ettim. Müşterilerin ortalama bırakacakları değeri tahminleyip exp_average_value olarak cltv dataframe'ine ekledim
#3. 6 aylık CLTV hesapladım ve cltv ismiyle dataframe'e ekledim
#CLTV değeri en yüksek 20 kişiyi gözlemledim.
#1. 6 aylık standartlaştırılmış CLTV'ye göre tüm müşterileri 4 gruba (segmente) ayırdım ve grup isimlerini veri setine ekledim.
