Customer Analytics
Kundensegmentierung mit Clustering: aus 2.240 Kunden drei handlungsfähige Segmente
Fünf Clustering-Verfahren im Vergleich, eine Entscheidung mit Verstand: nicht das Modell mit der besten Kennzahl gewinnt, sondern das, mit dem man arbeiten kann. Ergebnis sind drei klar getrennte Kundensegmente - und eine Kampagnenstrategie, die dem Budget folgt. Ein MIT-Capstone mit reproduzierbarem Companion-Repository.
Ein Händler bespielt Web, Katalog und Filiale mit Kampagnen für sechs Produktkategorien - und erreicht Akzeptanzquoten von gerade einmal 1 bis 15 %. Der Grund ist simpel: Jeder Kunde wird gleich behandelt. Die Frage dieses Projekts: Lassen sich mit Unsupervised Learning die natürlichen Kundensegmente aus den Verhaltensdaten herauslesen, damit das Marketing-Budget dorthin fließt, wo es wirklich konvertiert? Es gibt kein Ziellabel - die Struktur muss gefunden werden.
Der Datensatz
Grundlage ist ein öffentlicher Marketing-Datensatz (marketing_campaign.csv) mit
2.240 Kundendatensätzen und 26 Merkmalen: Demografie, Ausgaben je Kategorie (Wein,
Obst, Fleisch, Fisch, Süßes, Gold), Kanalverhalten (Web/Katalog/Filiale/Deals) und die Reaktion auf
fünf Kampagnen. Nach Bereinigung (Median-Imputation beim Einkommen, ein Extrem-Ausreißer entfernt)
verbleiben 2.232 modellierte Kunden; 17 Verhaltensmerkmale gehen ins
Clustering, die Demografie dient nur der Profilbildung.
Der Ansatz: fünf Verfahren, eine brauchbare Struktur
Aus der explorativen Analyse fielen drei Muster heraus: Einkommen ist der stärkste Ausgabentreiber, Wein + Fleisch machen rund 75 % der Ausgaben aus, und Kinder senken die Premium-Ausgaben deutlich. Nach Feature-Engineering (8 neue Merkmale), StandardScaler und PCA (10 Komponenten, 90,7 % Varianz) wurden fünf Clustering-Verfahren verglichen - bewertet nach Silhouette-Score und betrieblicher Brauchbarkeit: K-Means, K-Medoids, Hierarchical (Ward), DBSCAN und Gaussian Mixture.
Ergebnisse
Silhouette-Score bei k=3 je Verfahren:
| Verfahren (k=3) | Silhouette | Verdikt |
|---|---|---|
| K-Means (gewählt) | 0,2888 | Ausgewogen, interpretierbar, ordnet neue Kunden zu |
| K-Medoids | 0,2670 | Vergleichbar, langsamer |
| Hierarchical (Ward) | 0,2661 | Bestätigt dieselbe 3-Segment-Struktur |
| Gaussian Mixture | 0,1808 | Schwächere Trennung |
| DBSCAN | 0,4820 | Verworfen - 2.216 in einem Cluster + 10 Rauschpunkte, keine Zuordnung neuer Kunden |
DBSCAN erzielte den höchsten Score - ist aber im Betrieb unbrauchbar (ein dominanter Cluster, neue Kunden lassen sich nicht einordnen). Gewählt wurde K-Means (k=3): Die drei Segmente werden von K-Medoids und Hierarchical Clustering reproduziert - hohe Konfidenz. Nicht der beste Score gewinnt, sondern die belastbare, einsetzbare Lösung.
Die drei Segmente
| Segment | Anteil | Ø Einkommen | Ø Ausgaben | Kampagnen angenommen |
|---|---|---|---|---|
| 💎 Premium Enthusiasts | 25,4 % | 76.319 $ | 1.420 $ | 1,01 |
| 🛒 Moderate Mainstream | 27,8 % | 57.292 $ | 721 $ | 0,40 |
| 👨👩👧 Budget Families | 46,8 % | 35.475 $ | 99 $ | 0,17 |
Von Clustern zur Strategie
- Drei-Stufen-Kampagnen - Premium: exklusiv/VIP, Katalog + Filiale; Mainstream: Cross-Sell/Loyalty, omnichannel; Budget: Deals & Familien-Bundles, mobil + E-Mail.
- Budget dorthin, wo es konvertiert - Premium-Anteil hoch, Budget runter.
- Kanal-Fit - keine Katalog-Mailings an Budget; Katalog für Premium ausbauen.
Der projizierte finanzielle Effekt (rund 98 K$ Netto-Nutzen / ca. 196 % ROI im ersten Jahr) ist eine Modellrechnung auf offengelegten Annahmen - kein gemessenes Ergebnis.
Reproduzierbarkeit & Verifikation
Der vollständige, ausgeführte Code (EDA, Feature-Engineering, Fünf-Verfahren-Vergleich, Segment-Profiling) liegt im Companion-Repository: github.com/myBytesResearch/mit-capstone-mpianowski. Das Projekt entstand als Capstone im Applied Data Science Program der MIT Professional Education (verifizierbares Zertifikat).
Kundendaten, aus denen Sie mehr herausholen wollen? Sprechen wir über Segmentierung.