▶ 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.
Действия
Данные: синтетическая транзакционная история банка (seed = 42): 10 000 транзакций → 9 492 после отбрасывания аномалий, 1 983 активных клиента, период 2023-01-01 → 2024-03-30.
Шаги анализа:
- Очистка и подготовка данных — устранены дубликаты, отброшены строки с флагом
is_anomaly. - Расчёт RFM-метрик для каждого клиента:
- Recency: дней с последней транзакции
- Frequency: количество операций за период
- Monetary: суммарный доход от клиента
- RFM-скоринг — каждому измерению присвоен квартильный балл 1..4; сегменты собираются по комбинации баллов, а не по их сумме (поэтому
444и233не сливаются). - Проверка бизнес-смысла — кривая Лоренца и коэффициент Джини, плюс
concentration_ratioпо каждому сегменту. - Визуализация распределения сегментов в Tableau с фильтрами по времени и продукту.
Инструменты: Python (Pandas, Scikit-learn), SQL, Tableau.
Результат
Вышли шесть именованных сегментов (комбинации квартильных баллов):
- Champions (R≥4, F≥4, M≥4) — 126 клиентов, 6,4% базы, дают 12,1% выручки (concentration ratio 1,91).
- Loyal — лояльные, чуть ниже Champions по всем трём осям.
- Potential Loyalists — недавние с умеренной частотой: потенциал upsell.
- At Risk — были активны, давно не покупают: реактивация.
- Hibernating — 643 клиента, 32% базы, недобирают по выручке (ratio 0,61).
- Need Attention — остальные комбинации.
Концентрация дохода измерена, а не заявлена: Gini = 0,324, топ-20% клиентов держат 38,2% выручки. At Risk + Hibernating ≈ 50% базы — это основной пул для реактивации, и он описан конкретными персонами для таргетинга.
Что я понял
Сегментация полезна лишь тогда, когда переживает проверку осмысленности. Измерение концентрации — сколько выручки на самом деле держит верхняя группа — превращает список персон в утверждение, которое можно защищать; без него сегменты остаются ярлыками без доказательства.
Второй урок — RFM это правило, а не модель. Границы задаёт аналитик, и на другом наборе они сдвинутся; это допустимо, пока правило названо конвенцией, а бизнес-смысл проверяется отдельно, а не выводится из названий сегментов.
Точки обсуждения
- Почему сегменты по комбинации баллов, а не по сумме. Сумма схлопывает разные профили в один бакет и стирает различие, ради которого сегментация делается.
- Почему концентрация измеряется кривой и коэффициентом. Это превращает «эти клиенты важны» из утверждения в число с формой.
- Почему здесь RFM, а не кластеризация. Оси интерпретируемы для маркетинга, а цель — правило, по которому команда может действовать, а не скрытое пространство.
- Что бы я сделал иначе. Проверил бы устойчивость границ на другом периоде, прежде чем отдавать персоны в работу.
Ограничения
Сегментация построена на синтетической воспроизводимой выгрузке (seed = 42) — величину эффекта здесь читать нельзя, ценность в самой методике скоринга и в проверке концентрации. RFM — правило, а не модель: границы баллов задаёт аналитик, и на другом наборе они потребуют пересмотра.