Flo Müşteri Segmentasyonu – RFM Analizi

Bu projede amacım, büyük bir e-ticaret veri seti kullanarak müşterileri davranışsal olarak segmentlere ayırmak ve daha sonra bu segmentlerin işletme için ne anlama geldiğini çıkarmaktı. Çalışma akışı şu şekildeydi:

1. Veri hazırlama ve temizleme: Ham satış verilerini işledim, eksik değerleri tamamladım ve gerekli dönüşümleri yaptım.
2. RFM metriğini hesaplama: Her müşteri için Recency (son alışveriş zamanı), Frequency (alışveriş sıklığı) ve Monetary (harcanan toplam tutar) değerlerini çıkardım.
3. Segmentasyon: K-Means gibi algoritmalarla müşterileri gruplara ayırdım ve her segmentin davranışsal özelliklerini kıyasladım.
4. Değerli segmentlerin çıkarımı: En değerli müşterileri belirledim ve pazarlama stratejilerine yönelik içgörüler ürettim.

Analiz sonuçlarını grafikler, heatmapler ve raporlarla görselleştirdim; bu sayede verinin işletme kararlarını nasıl etkilediğini net görebildim. PDF/HTML raporlar ve dashboard çıktıları oluşturdum.

Projenin Hikayesi ve Zorlukları

Bu projeye başladığımda elimde büyük bir e-ticaret satış veri seti vardı, ancak verinin hazır analiz için uygun olmaması önemli bir zorluktu. Veri temizliği, eksik/fazla değerlerle başa çıkma ve RFM parametrelerinin doğru hesaplanması için çok dikkatli bir ön hazırlık yaptım. Özellikle recency değerini tarih formatından doğru hesaplamak, sıklık değerlerini normalize etmek ve toplam harcamayı segmentlere göre kıyaslamak, veri mühendisliği açısından ciddi bir emek gerektirdi.

Cluster sınırlarını belirlemek ve segment isimlendirmelerini yapmak da ayrı bir meydan okumaydı çünkü bu aşama net iş stratejisine dönüşmesi gereken içgörüleri çıkarmayı etkiliyordu. Sonuç olarak proje, müşteri davranışlarının segmentler üzerinden nasıl değerlendirilebileceğini somut verilerle göstermiş oldu.