RFM Analysis of Bank Clients

Инсайт

Шесть именованных сегментов; топ-20% клиентов держат 38,2% выручки (Gini 0,324), а Champions — 6,4% базы, дающие 12,1% дохода

Интерактивно: каждое число посчитано по данным проекта — контролы можно двигать, а не верить формулировке.

Что измерил кейс

  • 38,2% выручки у топ-20% клиентов замерено
  • 0,324 Gini концентрации дохода замерено
  • 6 RFM-сегментов расчёт
  • Синтетика данные
  • Живое демо
  • Открыт код
  • 3 инструмента в стеке стек
Ситуация
Банк накапливает транзакции клиентов, а маркетинг шлёт всем одинаковые предложения
Задача
Заменить единое предложение адресным: для каждого сегмента — своя стратегия удержания
Действия
Очистка транзакций, расчёт Recency, Frequency и Monetary, RFM-скоринг, сегментация и визуализация в Tableau
Результат
Шесть именованных сегментов; топ-20% клиентов держат 38,2% выручки (Gini 0,324), а Champions — 6,4% базы, дающие 12,1% дохода
Стек
PythonSQLTableau
Исходники Смотреть на GitHub → Обновлено: 1 нояб. 2026 г.

▶ Схема потока данных — самодостаточный HTML, открывается в браузере — без установки и сборки

Ситуация

Банк накапливает данные о транзакциях клиентов, но маркетинговые кампании работали «в лоб»: одинаковые предложения для всех. Задача — разделить клиентскую базу на однородные сегменты по трём измерениям — Recency (когда последняя покупка), Frequency (частота операций) и Monetary (совокупный доход) — и для каждой группы построить отдельную стратегию удержания и развития.

Задача

От меня требовалось заменить единое предложение на адресное: получить сегменты, для каждого из которых видно, что именно ему предлагать и как его удерживать.

Нужен аналитик, который так работает?

Напишите, что за роль и какие в ней задачи — отвечу в течение дня. Нужен разбор на ваших данных, а не найм? Это тоже сюда.

Оставить запрос →