Clients-Segmentation

---

Оглавление

1. Цель
2. Описание проекта
3. Данные
4. Подход
5. Результаты
6. Сегментация клиентов
7. Технологии
8. Структура проекта
9. Запуск на своих данных
10. Заключение

---

Цель

Задача состоит в разработке сегментации клиентов для предоставления рекомендаций, таких как планы сбережений, кредиты, управление капиталом и другие финансовые услуги, ориентированные на определенные группы клиентов. Кроме того, проект направлен на создание инструмента для автоматического определения группы (кластера) новых клиентов на основе их поведения и характеристик, что позволит мгновенно адаптировать маркетинговые стратегии и предложения.

---

Описание проекта

Была разработана модель для сегментации клиентов страховой компании на основе различных характеристик, что позволяет улучшать маркетинговые стратегии бизнеса и предлагать клиентам персонализированные продукты.

После выполнения кластеризации модель была дополнена ансамблем моделей классификации, позволяющим в дальнейшем предсказывать принадлежность новых данных к определенному сегменту.

---

Данные

Особая благодарность Jillani SoftTech за предоставленные данные для этого проекта. Данные можно найти на Kaggle.

Этот датасет содержит информацию о поведении примерно 9000 активных держателей кредитных карт за 6 месяцев. Данные представлены на уровне клиентов и включают 18 поведенческих переменных, таких как частота покупок, сумма покупок, использование кредитного лимита, снятие наличных и другие.

---

Подход

1. Предобработка данных:

   • Обработка пропусков с использованием различных методов.
   • Анализ распределения данных, медианы, моды, а также QQ-графики для выявления отклонений.
   • Применение логарифмирования данных для уменьшения тяжелых хвостов.
   • Нормализация данных и дальнейшее изучение корреляции между признаками (с использованием Пирсона и Phik).

2. Генерация признаков:

   • Создание новых композитных признаков.

3. Кластеризация клиентов:

   • Применение алгоритмов кластеризации: Agglomerative Clustering, DBSCAN, K-Means, Spectral Clustering.
   • Сегментация клиентов с использованием полученных признаков и без них.
   • Применение PCA для визуализации и анализа кластеров.

4. Обучение моделей для предсказания:

   • Применение различных классификационных алгоритмов (CatBoost, XGBoost, LightGBM, RandomForest и другие) для оценки наилучших моделей.
   • Выбор лучших моделей с точностью более 0.9 для дальнейшего ансамблирования.
   • Реализация ансамблирования с использованием методов Stacking, Bagging, VotingClassifier и Blending, где в качестве мета-модели был выбран XGBoost.

5. Оптимизация с помощью Optuna:

   • Оптимизация гиперпараметров моделей с помощью Optuna для достижения наилучших результатов.

---

Результаты

• Лучшие модели для предсказания:
  • CatBoost, LogisticRegression, RandomForest, ExtraTreesClassifier, GradientBoosting.
• После ансамблирования:
  • Итоговая balanced accuracy: 99.61% (метрика выбрана из-за важности учёта несбалансированности классов при предсказании кластеров).
• Маркетинг:
  • Весь проект задумывался для улучшения маркетинговых стратегий, что позволит более эффективно работать с различными группами клиентов.

---

Сегментация клиентов

1. Первый кластер: Клиенты с низким балансом, предпочитающие рассрочку и не использующие наличные. Для них рекомендуется предложить улучшенные условия рассрочки и программы лояльности.

2. Второй кластер: Клиенты с более высоким балансом и хорошими финансовыми привычками. Идеальными предложениями для них будут премиум-продукты и бонусы за активное использование карты.

3. Третий кластер: Клиенты с высокой покупательской активностью и предпочтением разовых покупок. Для них можно предложить скидки и специальные условия для снятия наличных.

---

Технологии

Обработка и анализ данных:

• pandas
• numpy
• scipy
• phik

Визуализация данных:

• matplotlib
• seaborn
• yellowbrick

Стандартизация и масштабирование:

• StandardScaler

Кластеризация:

• AgglomerativeClustering
• DBSCAN
• KMeans
• SpectralClustering

Машинное обучение:

• RandomForestClassifier
• CatBoostClassifier
• XGBoost
• LightGBM
• GradientBoostingClassifier
• LogisticRegression
• KNeighborsClassifier
• SVC
• NaiveBayes
• DecisionTreeClassifier
• ExtraTreesClassifier
• AdaBoostClassifier

Ансамблирование:

• Blending
• Stacking
• Voting
• Bagging

Тюнинг гиперпараметров:

• Optuna

Метрики и оценка моделей:

• balanced_accuracy_score - основная метрика, так как распределение клиентов по кластерам может быть неравномерным, а задача требует корректного предсказания даже для меньших групп.
• Silhouette Score
• Calinski Harabasz Score
• Davies Bouldin Score

Прочее:

• PCA
• pickle
• warnings
• tqdm

---

Структура проекта

1. data/: - данные.
   • raw_data - исходные данные.
   • processed_data - обработанные данные.
     • main_datasets- основные датасеты (без кластеров).
     • train_models_data - данные с предсказаниями моделей кластеризации.
       • data_with_PCA - данные с применением PCA.
         • data_with_generated_features - данные с созданными признаками.
         • data_without_generated_features - данные без созданных признаков.
       • data_without_PCA - данные без применения PCA.
         • data_with_generated_features - данные с созданными признаками.
         • data_without_generated_features - данные без созданных признаков.
     • data_for_final_models - данные для финальных моделей (наилучшее определение кластеров).
2. models/: - сохраненные модели.
   • 1_default_models - модели с дефолтными параметрами.
   • 2_optuna_models - модели с оптимизированными параметрами.
   • 3_final_models - финальные модели.
3. notebooks/: - ноутбуки.
   • EDA - анализ данных.
   • Feature Generation - генерация признаков.
   • train_models - предсказание кластеров.
     • with_PCA - с применением PCA.
       • with_generated_features - с созданными признаками.
       • without_generated_features - без созданных признаков.
     • without_PCA - без применения PCA.
       • with_generated_features - с созданными признаками.
       • without_generated_features - без созданных признаков.
   • evaluation_models - оценка предсказаний кластеризации.
     • with_PCA - с применением PCA.
       • with_generated_features - с созданными признаками.
       • without_generated_features - без созданных признаков.
     • without_PCA - без применения PCA.
       • with_generated_features - с созданными признаками.
       • without_generated_features - без созданных признаков.
   • results - результаты.
     • eval_models_results.ipynb - выбор модели кластеризации.
     • final_results.ipynb - финальные результаты, маркетинговые стратегии, важные признаки.
     • pipeline.ipynb - пайплайн проекта (для запуска на своих данных).

---

Запуск на своих данных

1. Скачайте репозиторий.
2. Установите необходимые библиотеки: pip install -r requirements.txt.
3. Зайдите в notebooks/results/pipeline.ipynb и следуйте инструкциям в файле.

---

Заключение

Данный проект демонстрирует успешное применение методов машинного обучения для сегментации держателей кредитных карт, что позволяет более точно таргетировать предложения и улучшать клиентский сервис.