Кластеризация пользователей онлайн-магазина методом K-Means с визуализацией в Google Colab

Аннотация

В статье рассматривается практическое применение алгоритма кластеризации K-Means для сегментации клиентской базы онлайн-магазина на основе поведенческих и транзакционных признаков. Разработка и визуализация выполнены в облачной среде Google Colab с использованием библиотек Pandas, Scikit-learn, Matplotlib и Plotly. Проведён анализ структуры исходных данных, включающий предобработку пропусков и масштабирование признаков. Оптимальное число кластеров определено с помощью метода локтя и коэффициента силуэта. Полученные сегменты интерпретированы через усреднённые профили кластеров, для наглядного представления многомерных данных применены методы снижения размерности PCA и t-SNE. Результаты демонстрируют возможность выделения трёх устойчивых групп клиентов, различающихся по частоте покупок, среднему чеку и времени, прошедшему с последнего заказа. Предложенный подход позволяет с минимальными вычислительными затратами получить интерпретируемую сегментацию, пригодную для построения персонализированных маркетинговых стратегий.