Customer segmentation by clustering
Segment a customer base into homogeneous groups via RFM and K-means with personalized marketing strategies per segment.
Paste in your AI
Paste this prompt in ChatGPT, Claude or Gemini and customize the variables in brackets.
Je veux segmenter ma base de [NOMBRE_CLIENTS] clients pour personnaliser mes stratégies marketing. Données disponibles par client : [VARIABLES_DISPONIBLES] (ex : historique d'achats, fréquence, montant, catégories achetées, ancienneté, interactions support). Objectif : [OBJECTIF_SEGMENTATION] (ex : personnaliser les communications, identifier les clients à risque de churn, prioriser les actions commerciales) Réalise une segmentation complète : 1. Construis une analyse RFM (Récence, Fréquence, Montant) avec notation de 1 à 5 pour chaque dimension 2. Applique un algorithme de clustering K-means avec détermination du nombre optimal de clusters (méthode du coude, silhouette score) 3. Décris chaque segment obtenu avec ses caractéristiques clés et sa taille 4. Nomme chaque segment de façon évocatrice (ex : "Champions", "À risque", "Dormants") 5. Propose une stratégie marketing spécifique pour chaque segment 6. Calcule la valeur vie client (CLV) estimée par segment 7. Définis des KPIs pour mesurer l'efficacité des actions par segment Fournis le code Python complet (pandas, scikit-learn, matplotlib).
Why this prompt works
<p>This prompt is powerful because it combines the classic RFM approach with algorithmic clustering and goes all the way to concrete strategic implications. The request for complete code makes it immediately executable.</p>
Use Cases
Expected Output
RFM analysis, named and described K-means segments, marketing strategies per segment, complete Python code.
Learn more
Check the full skill on Prompt Guide to master this technique from A to Z.
View on Prompt Guide📬 Get new prompts every week
Join our newsletter and never miss a prompt.
Similar Prompts
Multichannel marketing data analysis
Complete multichannel marketing performance analysis with ROI calculation, attribution models, and budget optimization.
Design a simple ETL pipeline
Design a complete ETL pipeline with error handling, monitoring, and Python code for multi-source data integration.
Sales forecasting with forecasting models
Build a sales forecasting model with method comparison, scenarios, and confidence intervals.
Conversion funnel analysis
Exhaustive conversion funnel analysis with friction point identification and A/B test recommendations.