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 betrieblich brauchbare 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, deshalb muss die Struktur 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 Datensatz ist ein öffentlicher Lehr-Datensatz,
der im Rahmen des MIT-Capstone-Programms bereitgestellt wurde; die Datenrechte verbleiben beim
ursprünglichen Herausgeber.
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). Der Silhouette-Wert von K-Means, 0,2888, markiert mäßige, betrieblich noch interpretierbare Struktur, aber keinen Fall sauber isolierter Cluster. Gewählt wurde K-Means (k=3), weil die drei Segmente von K-Medoids und Hierarchical Clustering reproduziert werden. Die Konfidenz stammt aus dieser Reproduktion, nicht aus der Höhe des Scores. 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 |
Alle Beträge in US-Dollar gemäß Quelldatensatz.
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. Der Anteil für Premium steigt, der für Budget sinkt.
- Kanal-Fit. An Budget gehen keine Katalog-Mailings, dafür wird der Katalog für Premium ausgebaut.
Der projizierte finanzielle Effekt (rund 98 K$ Netto-Nutzen / ca. 196 % ROI im ersten Jahr) ist eine Modellrechnung auf offengelegten Annahmen und 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 AI and Data Science Program der MIT Professional Education (verifizierbares Zertifikat).