Section : K-Means | MBA2 - Strategie customer experience

Résumé de section

K-Means
- Sélectionner l’activité K-Means
  
  Avec K-means, vous pouvez segmenter les clients en différents clusters et observer des groupes avec des comportements d’achat et des besoins similaires, ce qui vous permettra d’adapter les stratégies pour améliorer l’expérience client.
- Sélectionner l’activité Complex clustering exercise data
  
  Complex clustering exercise data Fichier
- Sélectionner l’activité Youtube - Classification par les k-moyennes (k-means)
  
  Youtube - Classification par les k-moyennes (k-means) URL
  
  Apprendre à comment utiliser K-means en Excel.
- Sélectionner l’activité Tutoriel K-means
  
  Tutoriel K-means Page
  
  Voici un tutoriel pas à pas pour réaliser un clustering K-means sur Excel.
  
  L’algorithme K-means n’est pas intégré dans Excel, mais vous pouvez le simuler manuellement en suivant les étapes ci-dessous. L’exercice inclut la normalisation des données pour assurer que les différentes variables sont sur la même échelle.
- Sélectionner l’activité Clients divisés en 5 clusters (K-means)
  Clients divisés en 5 clusters (K-means) Fichier
  
  Voici le tableau trié en clusters, en utilisent seulement AGE et SATISFACTION CLIENT.
  
  Charger les Données : Importer le fichier Excel pour accéder aux données clients.
  
  Sélectionner les Variables : Utiliser uniquement les colonnes Âge et Satisfaction Client (1-5) pour effectuer la segmentation.
  
  Normaliser les Données : Mettre les valeurs d'âge et de satisfaction client à l’échelle, afin que chaque variable ait une moyenne de 0 et un écart-type de 1. Cette étape garantit que les différences d’échelle entre les variables n’influencent pas les résultats du clustering.
  
  Appliquer l'Algorithme K-means : Utiliser l’algorithme K-means avec 5 clusters. Cet algorithme regroupe les points similaires en minimisant les distances au centre de chaque cluster.
  
  Ajuster les Numéros de Cluster : Par défaut, K-means nomme les clusters à partir de 0. Pour obtenir une numérotation de 1 à 5, ajouter 1 à chaque numéro de cluster.
  
  Afficher les Résultats : Extraire les informations principales, telles que l'ID Client, l'Âge, la Satisfaction Client, et le Cluster auquel chaque client appartient.