mcpField
R
rfm-customer-segmentation

rfm-customer-segmentation

github.com/liangdabiaoマーケティング・グロース29862 回インストール25 週間前に更新
リポジトリ

rfm-customer-segmentation について

RFM Customer Segmentation Analysis は、EC 取引を分析し、顧客を価値別に分類するスキルです。RFM 指標と K-means クラスタリングを組み合わせ、レポートとマーケティング施策を作成します。

主な機能

  1. 01取引データのクリーニングと検証
  2. 02顧客の RFM 指標とスコアの算出
  3. 03エルボー法によるクラスタ数の選択
  4. 04VIP 顧客の特定と順位付け
  5. 05可視化ダッシュボードと CSV レポートの作成
  6. 06セグメント別マーケティング施策の提案

活用シーン

  1. 01EC 注文データを使った顧客分類
  2. 02キャンペーン向け VIP 顧客の抽出
  3. 03顧客セグメントごとの売上貢献比較
  4. 04顧客価値分析レポートの作成

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/liangdabiao/claude-data-analysis-ultra-main --skill rfm-customer-segmentation

インストール後、Claude Code で/rfm-customer-segmentationを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

core_analysis.py
README.md
report_generator.py
requirements.txt
simple_rfm.py
visualization.py
examples/
basic_usage.md
sample_data.csv
templates/
analysis_template.md
vip_list_template.csv

詳細

RFM 顧客セグメンテーション分析

K-means クラスタリングによる RFM（Recency、Frequency、Monetary）分析を使用して、eコマースの取引データを自動的に分析し、顧客価値セグメントを特定する、包括的な顧客セグメンテーションスキルです。

手順

1. データ分析

ユーザーが eコマースデータを提供した場合、または顧客セグメンテーションについて質問した場合：

  • 取引データを読み込み、検証します
  • 無効な注文（負の数量、価格がゼロ）を削除してデータをクリーンアップします
  • 顧客ごとに RFM 指標を計算します：
    • Recency：最終購入からの日数
    • Frequency：購入回数
    • Monetary：購入金額の合計
  • RFM の各次元に K-means クラスタリングを適用します
  • エルボー法を使用してクラスター数を自動的に決定します
2. 顧客セグメンテーション
  • 顧客価値セグメント（高、中、低）を作成します
  • 各顧客の RFM 次元をスコアリングします（1〜3 のスケール）
  • 顧客価値の総合スコアを計算します
  • マーケティングキャンペーン向けに VIP 顧客を特定し、ランク付けします
3. 可視化とレポート作成
  • 包括的な顧客セグメンテーションダッシュボードを生成します
  • セグメントの分布と売上構成比を示す円グラフを作成します
  • 顧客のパターンを可視化する RFM 散布図を作成します
  • セグメント別の価値分布を示す箱ひげ図を生成します
  • VIP 顧客リストを含む詳細な CSV レポートをエクスポートします
4. マーケティングインサイト
  • 各セグメントに対して、実行可能なマーケティング施策を提案します
  • 主要な調査結果をまとめたエグゼクティブサマリーを生成します
  • 価値層ごとに顧客のアクティベーション戦略を作成します
  • ターゲットを絞ったマーケティングキャンペーン向けに VIP 顧客リストをエクスポートします

使用例

基本的な顧客セグメンテーション
Analyze these e-commerce orders and segment customers by value:
[CSV data with order_id, user_id, purchase_date, quantity, unit_price]
VIP 顧客の特定
Find the top 100 most valuable customers from our sales data for marketing campaign
顧客価値分析
Create a customer segmentation report showing revenue contribution by customer segment

主な機能

  • 自動データクレンジング：中国語の eコマースデータ形式に対応し、無効な注文を削除します
  • インテリジェントなクラスタリング：エルボー法を使用して最適なクラスター数を決定します
  • 中国語サポート：中国語のフィールド名と可視化を全面的にサポートします
  • 包括的なレポート：HTML レポート、PNG ダッシュボード、CSV エクスポートを生成します
  • マーケティングですぐに活用可能：VIP 顧客リストと実行可能なインサイトを提供します

ファイル要件

このスキルは、次のデータを含む eコマース取引データに対応しています：

  • user_id：顧客識別コード（用户码）
  • order_date：購入日（消费日期）
  • quantity：注文数量（数量）
  • unit_price：商品の単価（单价）
  • product_info：商品詳細（任意）

生成される出力ファイル

  • customer_segments.csv：顧客セグメンテーションの全データ
  • vip_customers_list.csv：マーケティング向けにランク付けされた VIP 顧客リスト
  • segment_summary_statistics.csv：セグメント別の詳細な統計情報
  • customer_segmentation_dashboard.png：分析結果の可視化ダッシュボード
  • data_validation_report.txt：データ品質と分析の検証結果

依存関係

  • データ処理用の pandas、numpy
  • K-means クラスタリング用の scikit-learn
  • 可視化用の matplotlib、seaborn（中国語フォントのサポートを含む）
  • ファイル操作用の Python 標準ライブラリ

ベストプラクティス

  • 日付フィールドの形式を統一してください（YYYY-MM-DD を推奨）
  • 分析の前に欠損値を削除するか、適切に処理してください
  • 信頼性の高いクラスタリングには十分なデータ量を確保してください（注文数 1000 件以上を推奨）
  • セグメントの結果を解釈する際は、ビジネス上の背景を考慮してください
  • 可能であれば、ドメイン知識を用いて結果を検証してください

コメント

Markdown 対応