Customer Segmentation merupakan suatu strategi pemasaran dengan mengelompokkan target pasar berdasarkan karakteristik yang serupa untuk bisa dikelola secara lebih efektif, sehingga dapat mencapai tujuan bisnis yang telah ditetapkan oleh perusahaan. Pada projek ini, akan dilakukan pengelompokkan pelanggan produk susu berdasarkan kemiripan karakteristik menggunakan metode klasterisasi K-Means.
Langkah-langkah penerapan metode K-Means untuk Customer Segmentation pada projek ini, antara lain:
Berikut adalah beberapa package yang diperlukan.
library(tidyverse)
library(scales)
library(ggcorrplot) #Untuk Membuat Plot Korelasi
library(factoextra) #Untuk Clustering
library(FactoMineR) #Untuk PCA
library(rgl) #Untuk Membuat Plot 3D
data_cust <- read.csv("E:/Portofolio/Portofolio 2/data_pelanggan_susu.csv")
head(data_cust)
## MemberID NoChild tenure_months youngest_kid_age_join recency frequency
## 1 336589 1 6.2094456 1.070500 89.500000 9
## 2 260165 1 6.8336756 1.229295 31.343056 4
## 3 232293 1 0.7227926 1.210130 5.461806 3
## 4 19982 1 1.2156057 1.442847 16.432639 2
## 5 185033 1 2.7268994 1.125257 9.195139 3
## 6 320637 1 2.2997947 1.097878 11.422222 1
## avg_monthly_frequency monetary avg_monetary avg_interpurchase freq_last3mo
## 1 2.25 1668 185.3333 11.12500 1
## 2 2.00 1794 448.5000 12.33333 4
## 3 3.00 648 216.0000 2.50000 3
## 4 2.00 413 206.5000 12.00000 2
## 5 1.50 834 278.0000 25.00000 3
## 6 1.00 464 464.0000 0.00000 1
## avg_consumption
## 1 8.555556
## 2 15.250000
## 3 9.333333
## 4 6.500000
## 5 9.000000
## 6 16.000000
colnames(data_cust)
## [1] "MemberID" "NoChild" "tenure_months"
## [4] "youngest_kid_age_join" "recency" "frequency"
## [7] "avg_monthly_frequency" "monetary" "avg_monetary"
## [10] "avg_interpurchase" "freq_last3mo" "avg_consumption"
Dataset data_cust berisi riwayat pembelian suatu produk susu oleh setiap pelanggan yang tergabung dalam membership. Periode transaksi yang diambil selama 6 bulan (Juli hingga Desember 2019) dan ditarik pada 1 Januari 2020. Dataset ini memiliki 12 variabel (features) dengan keterangan sebagai berikut.
MemberID : ID pelanggan; bersifat unikNoChild : Jumlah anak dari pelanggantenure_months : Lama menjadi pelanggan (bulan)youngest_kid_age_join : Umur anak termuda ketika awal berlangganan (tahun)recency : Lama transaksi terakhir dari tanggal penarikan data (hari)frequency : Jumlah transaksi dalam 6 bulan terakhiravg_monthly_frequency : Rataan jumlah transaksi per bulan yang ada transaksi ajamonetary : Total uang yang dibelanjakan (ribu rupiah)avg_monetary : Rataan uang yang dibelanjakan setiap transaksi (ribu rupiah)avg_interpurchase : Rataan jarak waktu antara transaksi dengan transaksi berikutnya (hari);(0=belum ada transaksi berikutnya/ belanja terus setiap hari)freq_last3mo : Jumlah transaksi dalam 3 bulan terakhiravg_consumption : Rataan berat pembelian produk susu setiap transaksi (ons)Sumber Dataset: StarCore Analytics
Sebelum melakukan analisis lebih lanjut, perlu dilakukan eksplorasi data untuk menggali informasi yang termuat pada dataset data_cust.
dim(data_cust)
## [1] 5000 12
str(data_cust)
## 'data.frame': 5000 obs. of 12 variables:
## $ MemberID : int 336589 260165 232293 19982 185033 320637 308914 351130 294108 121798 ...
## $ NoChild : int 1 1 1 1 1 1 1 1 3 1 ...
## $ tenure_months : num 6.209 6.834 0.723 1.216 2.727 ...
## $ youngest_kid_age_join: num 1.07 1.23 1.21 1.44 1.13 ...
## $ recency : num 89.5 31.34 5.46 16.43 9.2 ...
## $ frequency : int 9 4 3 2 3 1 1 9 6 7 ...
## $ avg_monthly_frequency: num 2.25 2 3 2 1.5 1 1 1.8 2 1.4 ...
## $ monetary : int 1668 1794 648 413 834 464 276 2166 1489 2589 ...
## $ avg_monetary : num 185 448 216 206 278 ...
## $ avg_interpurchase : num 11.1 12.3 2.5 12 25 ...
## $ freq_last3mo : int 1 4 3 2 3 1 1 5 6 5 ...
## $ avg_consumption : num 8.56 15.25 9.33 6.5 9 ...
colSums(is.na(data_cust))
## MemberID NoChild tenure_months
## 0 0 0
## youngest_kid_age_join recency frequency
## 0 0 0
## avg_monthly_frequency monetary avg_monetary
## 0 0 0
## avg_interpurchase freq_last3mo avg_consumption
## 0 0 0
sum(duplicated(data_cust))
## [1] 0
Dataset data_cust berisi riwayat pembelian produk susu oleh 5,000 pelanggan yang tergabung dalam membership. Setelah dilakukan pengecekan, data tidak memuat nilai kosong maupun data duplikat. Berikutnya, akan diselidiki statistik deskriptif dari setiap variabel untuk menggali beberapa informasi.
#NoChild
data_cust |>
ggplot(aes(x = NoChild)) +
geom_bar() +
scale_x_continuous(breaks = seq(1, 10, by = 1)) +
scale_y_continuous(breaks = seq(0, 5000, by = 1000),
labels = number_format(big.mark = ",")) +
labs(x = "Number of Child") +
theme_bw() +
theme(
panel.grid.minor = element_blank(),
panel.grid.major.x = element_blank()
)
Berdasarkan grafik batang di atas, lebih dari 4,000 pelanggan produk susu memiliki jumlah anak 1. Sementara jumlah anak paling banyak yang dimiliki oleh pelanggan adalah 6.
#tenure_months
rata1 <- mean(data_cust$tenure_months)
data_cust |>
ggplot(aes(x = tenure_months)) +
geom_density(fill = "skyblue", alpha = 0.75) +
geom_boxplot(width = 0.005) +
geom_point(x = rata1, y = 0,
inherit.aes = FALSE, color = "red")+
scale_x_continuous(breaks = seq(0, 150, by = 10)) +
labs(x = "Tenure (month)") +
theme_bw() +
theme(panel.grid.minor = element_blank())
Berdasarkan plot di atas, terlihat bahwa distribusi data variabel tenure_month cenderung menjulur ke kanan. Kemudian, dari boxplot diperoleh informasi bahwa rata-rata pelanggan sudah berlangganan selama 12 bulan dan adapula pelanggan yang sudah berlangganan selama lebih dari 10 tahun.
#youngest_kid_age_join
rata2 <- mean(data_cust$youngest_kid_age_join)
data_cust |>
ggplot(aes(x = youngest_kid_age_join)) +
geom_density(fill = "orange", alpha = 0.75) +
geom_boxplot(width = 0.05) +
geom_point(x = rata2, y = 0,
inherit.aes = FALSE, color = "red")+
scale_x_continuous(breaks = seq(0, 10, by = 1)) +
labs(x = "Youngest Kid Age when Join (year)") +
theme_bw() +
theme(panel.grid.minor = element_blank())
Dari plot di atas, dapat diperoleh informasi bahwa rata-rata umur anak pelanggan saat bergabung membership adalah 2 tahun. Namun, ada pula pelanggan yang baru bergabung ketika anaknya sudah berusia lebih dari 10 tahun.
#recency
rata3 <- mean(data_cust$recency, na.rm = TRUE)
data_cust |>
ggplot(aes(x = recency)) +
geom_density(fill = "lightgreen", alpha = 0.75) +
geom_boxplot(width = 0.0025) +
geom_point(x = rata3, y = 0,
inherit.aes = FALSE, color = "red") +
scale_x_continuous(breaks = seq(0, 100, by = 5)) +
labs(x = "Recency (day)") +
theme_bw() +
theme(panel.grid.minor = element_blank())
Dari plot densitas, diketahui bahwa pelanggan yang melakukan transaksi terakhir pada 5 hari yang lalu memiliki frekuensi paling besar. Sementara berdasarkan boxplot, rata-rata pelanggan melakukan transaksi terakhir pada 26 hari yang lalu. Namun, terdapat pula pelanggan yang belum transaksi lagi selama lebih dari 90 hari.
#avg_monthly_frequency
rata4 <- mean(data_cust$avg_monthly_frequency, na.rm = TRUE)
data_cust |>
ggplot(aes(x = avg_monthly_frequency)) +
geom_density(fill = "yellow", alpha = 0.75) +
geom_boxplot(width = 0.1) +
geom_point(x = rata4, y = 0,
inherit.aes = FALSE, color = "red") +
scale_x_continuous(breaks = seq(0, 26, by = 2)) +
labs(x = "Avg Monthly Visit") +
theme_bw() +
theme(panel.grid.minor = element_blank())
Berdasarkan plot di atas, diperoleh informasi bahwa rata-rata pelanggan bertransaksi sebanyak 2 kali dalam satu bulan. Namun, terdapat pula pelanggan yang bertransaksi lebih dari 20 kali dalam satu bulan.
#avg_monetary
rata5 <- mean(data_cust$avg_monetary, na.rm = TRUE)
data_cust |>
ggplot(aes(x = avg_monetary)) +
geom_density(fill = "grey", alpha = 0.75) +
geom_boxplot(width = 0.0005) +
geom_point(aes(x = rata5, y = 0),
inherit.aes = FALSE, color = "red") +
scale_x_continuous(
breaks = seq(0, 10000, by = 500),
labels = number_format(big.mark = ",")
) +
labs(x = "Avg Monetary (Ribu Rupiah)") +
theme_bw() +
theme(panel.grid.minor = element_blank())
Berdasarkan boxplot di atas, rata-rata pelanggan menghabiskan 500 ribu rupiah dalam sekali transaksi. Namun, tidak sedikit pula pelanggan yang menghabiskan lebih dari 1 juta rupiah dalam sekali transaksi.
#avg_interpurchase
rata6 <- mean(data_cust$avg_interpurchase, na.rm = TRUE)
data_cust |>
ggplot(aes(x = avg_interpurchase)) +
geom_density(fill = "red", alpha = 0.75) +
geom_boxplot(width = 0.005) +
geom_point(x = rata6, y = 0,
inherit.aes = FALSE, color = "red") +
scale_x_continuous(breaks = seq(0, 200, by = 10)) +
labs(x = "Avg Interpurchase (hari)") +
theme_bw() +
theme(panel.grid.minor = element_blank())
Dari plot di atas, rata-rata pelanggan membeli produk susu dalam rentang waktu 20 hari sekali. Namun, ada pula yang bertransaksi 6 bulan sekali.
#avg_consumption
rata7 <- mean(data_cust$avg_consumption, na.rm = TRUE)
data_cust |>
ggplot(aes(x = avg_consumption)) +
geom_density(fill = "purple", alpha = 0.75) +
geom_boxplot(width = 0.005) +
geom_point(x = rata7, y = 0,
inherit.aes = FALSE, color = "red") +
scale_x_continuous(breaks = seq(0, 200, by = 10)) +
labs(x = "Avg Consumption (ons)") +
theme_bw() +
theme(panel.grid.minor = element_blank())
Berdasarkan plot di atas, rata-rata berat susu yang dibeli oleh pelanggan dalam satu kali transaksi adalah 20 ons atau kurang lebih 500 gram.
data_cust |>
select(-MemberID) |>
cor() |>
ggcorrplot(colors = c("green", "white", "red"),
hc.order = TRUE,
lab = TRUE, lab_size = 3, digits = 1,
ggtheme = theme_bw())
Berdasarkan plot korelasi di atas, terlihat bahwa beberapa variabel memiliki korelasi yang tinggi, yaitu variabel frequency dengan avg_monthly_frequency, freq_last3mo dengan avg_monthly_frequency, frequency dengan freq_last3mo, dan avg_monetary dengan avg_consumption.
Tujuan analisis data pada projek ini adalah untuk mengelompokkan pelanggan berdasarkan kemiripan karakteristiknya. Dengan demikian, akan dibuat plot antar dua variabel untuk mengecek apakah terlihat adanya kelompok-kelompok dalam plot tersebut.
plot(data_cust$tenure_months, data_cust$frequency, xlab="Tenure (month)",
ylab="Frequency")
plot(data_cust$frequency, data_cust$monetary, xlab="Frequency",
ylab="Monetary (ribu rupiah)")
Dari plot variabel tenure_months dengan frequency, terlihat bahwa terdapat 2 klaster besar. Namun, pada plot antara variabel frequency dengan monetary tidak terlihat jelas berapa jumlah klaster yang dapat dibentuk. Jumlah variabel pada dataset data_cust cukup banyak, sehingga cukup sulit untuk memplotkan semua variabel secara bersamaan. Selain itu, berdasarkan plot korelasi terlihat bahwa beberapa variabel memiliki korelasi/hubungan yang erat. Oleh karena itu, perlu dilakukan pereduksian dimensi untuk memudahkan visualisasi data dan agar diperoleh model yang lebih baik.
Dataset data_cust memiliki 12 variabel. Untuk memudahkan dalam visualisasi, perlu dilakukan pereduksian dimensi menggunakan Principal Component Analysis (PCA).
Diketahui bahwa beberapa variabel memiliki satuan yang berbeda, seperti variabel tenure_months yang memiliki satuan bulan, sementara variabel monetary memiliki satuan ribu rupiah. Perbedaan satuan ini dapat berpengaruh dalam perhitungan jarak pada metode K-Means. Dengan demikian, perlu dilakukan standardisasi data agar setiap variabel memiliki skala yang sama.
Pada bagian ini, nilai dari semua variabel distandardisasi sehingga semua variabel memiliki rata-rata 0 dan varians 1.
#Membuat Fungsi Standardisasi
std.scaling <- function(data){
mean.data <- mean(data)
sd.data <- sd(data)
data.std <- (data-mean.data)/sd.data
data.std
}
data_cust_std <- data.frame(sapply(data_cust[,-1], std.scaling))
summary(data_cust_std)
## NoChild tenure_months youngest_kid_age_join recency
## Min. :-0.3959 Min. :-1.0583 Min. :-0.7644 Min. :-1.0735
## 1st Qu.:-0.3959 1st Qu.:-0.7472 1st Qu.:-0.6546 1st Qu.:-0.8122
## Median :-0.3959 Median :-0.3121 Median :-0.3455 Median :-0.3538
## Mean : 0.0000 Mean : 0.0000 Mean : 0.0000 Mean : 0.0000
## 3rd Qu.:-0.3959 3rd Qu.: 0.5112 3rd Qu.: 0.2347 3rd Qu.: 0.4880
## Max. : 8.8448 Max. : 9.6768 Max. : 7.1074 Max. : 2.7486
## frequency avg_monthly_frequency monetary avg_monetary
## Min. :-0.9326 Min. :-0.7336 Min. :-0.9810 Min. :-1.0067
## 1st Qu.:-0.7701 1st Qu.:-0.7336 1st Qu.:-0.7151 1st Qu.:-0.5619
## Median :-0.2828 Median :-0.2871 Median :-0.2441 Median :-0.2540
## Mean : 0.0000 Mean : 0.0000 Mean : 0.0000 Mean : 0.0000
## 3rd Qu.: 0.3670 3rd Qu.: 0.1593 3rd Qu.: 0.4185 3rd Qu.: 0.2340
## Max. : 9.6263 Max. :20.6961 Max. :16.9709 Max. :14.7815
## avg_interpurchase freq_last3mo avg_consumption
## Min. :-0.9931 Min. :-0.8328 Min. :-0.9680
## 1st Qu.:-0.5585 1st Qu.:-0.8328 1st Qu.:-0.5836
## Median :-0.2074 Median :-0.2641 Median :-0.1993
## Mean : 0.0000 Mean : 0.0000 Mean : 0.0000
## 3rd Qu.: 0.2930 3rd Qu.: 0.3047 3rd Qu.: 0.2235
## Max. : 7.9066 Max. :11.9633 Max. :14.7132
sapply(data_cust_std, var)
## NoChild tenure_months youngest_kid_age_join
## 1 1 1
## recency frequency avg_monthly_frequency
## 1 1 1
## monetary avg_monetary avg_interpurchase
## 1 1 1
## freq_last3mo avg_consumption
## 1 1
head(data_cust_std)
## NoChild tenure_months youngest_kid_age_join recency frequency
## 1 -0.3958686 -0.5246504 -0.7083864 2.6615429 0.3669612
## 2 -0.3958686 -0.4704327 -0.5784588 0.2324203 -0.4452592
## 3 -0.3958686 -1.0011954 -0.5941398 -0.8485982 -0.6077033
## 4 -0.3958686 -0.9583920 -0.4037287 -0.3903640 -0.7701474
## 5 -0.3958686 -0.8271281 -0.6635838 -0.6926628 -0.6077033
## 6 -0.3958686 -0.8642244 -0.6859851 -0.5996411 -0.9325915
## avg_monthly_frequency monetary avg_monetary avg_interpurchase freq_last3mo
## 1 0.3825472 -0.3501893 -0.68678324 -0.4208159 -0.83276947
## 2 0.1593210 -0.3002326 0.08672806 -0.3586548 0.02030313
## 3 1.0522259 -0.7546006 -0.59664639 -0.8645170 -0.26405441
## 4 0.1593210 -0.8477738 -0.62456922 -0.3758027 -0.54841194
## 5 -0.2871314 -0.6808550 -0.41441320 0.2929642 -0.26405441
## 6 -0.7335838 -0.8275532 0.13228636 -0.9931261 -0.83276947
## avg_consumption
## 1 -0.61780859
## 2 -0.10321671
## 3 -0.55802199
## 4 -0.77581606
## 5 -0.58364482
## 6 -0.04556534
Setelah data distandardisasi, selanjutnya dapat dilakukan pereduksian dimensi menggunakan PCA.
hasil_pca <- PCA(data_cust_std, graph=FALSE)
get_eig(hasil_pca)
## eigenvalue variance.percent cumulative.variance.percent
## Dim.1 3.33248410 30.2953100 30.29531
## Dim.2 2.54514278 23.1376617 53.43297
## Dim.3 1.21175985 11.0159986 64.44897
## Dim.4 0.95670158 8.6972871 73.14626
## Dim.5 0.93045509 8.4586826 81.60494
## Dim.6 0.83226273 7.5660248 89.17096
## Dim.7 0.59626098 5.4205543 94.59152
## Dim.8 0.31213863 2.8376239 97.42914
## Dim.9 0.17286930 1.5715390 99.00068
## Dim.10 0.08543233 0.7766575 99.77734
## Dim.11 0.02449264 0.2226603 100.00000
#Menentukan Jumlah Komponen
fviz_screeplot(hasil_pca, addlabels = TRUE, ylim = c(0, 50))
Berdasarkan screeplot di atas, terlihat bahwa plot garis sebelah kiri dimensi 3 menurun dengan curam, sementara sebelah kanannya menurun dengan landai. Ini mengindikasikan bahwa jumlah komponen yang disarankan oleh analisis PCA adalah 3. Dengan mengambil 3 komponen sudah mewakili 64.45% dari keragaman data. Dengan demikian, komponen yang semula berjumlah 12 akan direduksi menjadi 3 komponen saja.
hasil_pca_ind <- get_pca_ind(hasil_pca)
head(hasil_pca_ind$coord)
## Dim.1 Dim.2 Dim.3 Dim.4 Dim.5
## 1 -0.6570760 -1.2562312 -0.1214670 -1.34857181 0.89002181
## 2 -0.2024048 -0.3940485 -0.7590886 -0.46494866 -0.08255533
## 3 0.2782717 -1.5017927 -1.1247046 -0.42652400 -0.35086667
## 4 -0.6132915 -1.5114313 -0.8045434 -0.28139829 -0.46224213
## 5 -0.5630325 -0.9614877 -0.7122091 -0.05113088 -1.12192020
## 6 -1.1832669 -0.6578673 -1.4218015 -0.68854149 -0.33297978
data_cust_pca <- data.frame(hasil_pca_ind$coord[,1:3])
head(data_cust_pca)
## Dim.1 Dim.2 Dim.3
## 1 -0.6570760 -1.2562312 -0.1214670
## 2 -0.2024048 -0.3940485 -0.7590886
## 3 0.2782717 -1.5017927 -1.1247046
## 4 -0.6132915 -1.5114313 -0.8045434
## 5 -0.5630325 -0.9614877 -0.7122091
## 6 -1.1832669 -0.6578673 -1.4218015
Dataset data_cust_pca adalah dataset yang digunakan untuk proses klasterisasi dengan metode K-Means.
K-Means merupakan salah satu metode klasterisasi untuk data tidak berlabel, di mana metode ini menggunakan rata-rata (means) dalam perhitungan centroid dari setiap klaster. Pada metode K-Means,jumlah kluster perlu ditentukan sebelum menjalankan algoritma. Pada konteks masalah segmentasi pelanggan produk susu ini, tidak diberikan aturan mengenai berapa jumlah klaster yang dibentuk. Oleh karena itu, jumlah klaster harus ditentukan terlebih dahulu.
dim(data_cust_pca)
## [1] 5000 3
head(data_cust_pca)
## Dim.1 Dim.2 Dim.3
## 1 -0.6570760 -1.2562312 -0.1214670
## 2 -0.2024048 -0.3940485 -0.7590886
## 3 0.2782717 -1.5017927 -1.1247046
## 4 -0.6132915 -1.5114313 -0.8045434
## 5 -0.5630325 -0.9614877 -0.7122091
## 6 -1.1832669 -0.6578673 -1.4218015
colnames(data_cust_pca) <- c("Comp1", "Comp2", "Comp3")
Terdapat beberapa metode statistik yang dapat digunakan untuk menentukan jumlah klaster optimal, antara lain Metode Elbow dan Silhouette.
#Elbow Method
fviz_nbclust(data_cust_pca, kmeans, method="wss")+
geom_vline(xintercept =3 , linetype=2)+
labs(subtitle="Elbow Method")
#Silhouette Method
fviz_nbclust(data_cust_pca, kmeans, method="silhouette")+
labs(subtitle="Silhouette Method")
Berdasarkan Metode Elbow dan Metode Silhouette, diperoleh bahwa jumlah klaster optimal adalah 3. Berikutnya, dilakukan proses klasterisasi dengan jumlah klaster sebanyak 3.
set.seed(20)
hasil_kmeans = kmeans(data_cust_pca, 3)
hasil_kmeans$centers
## Comp1 Comp2 Comp3
## 1 -0.5643658 2.5572804 -0.01067535
## 2 2.5617209 -0.2173728 0.08533642
## 3 -0.7605916 -0.6242329 -0.02756704
Cluster <- as.factor(hasil_kmeans$cluster)
head(Cluster)
## 1 2 3 4 5 6
## 3 3 3 3 3 3
## Levels: 1 2 3
df_hasil_kmeans <- cbind(data_cust_pca, as.data.frame(Cluster))
head(df_hasil_kmeans)
## Comp1 Comp2 Comp3 Cluster
## 1 -0.6570760 -1.2562312 -0.1214670 3
## 2 -0.2024048 -0.3940485 -0.7590886 3
## 3 0.2782717 -1.5017927 -1.1247046 3
## 4 -0.6132915 -1.5114313 -0.8045434 3
## 5 -0.5630325 -0.9614877 -0.7122091 3
## 6 -1.1832669 -0.6578673 -1.4218015 3
ggplot(df_hasil_kmeans, aes(x=Comp1, y=Comp2, color=Cluster)) +
geom_point()
ggplot(df_hasil_kmeans, aes(x=Comp1, y=Comp3, color=Cluster)) +
geom_point()
ggplot(df_hasil_kmeans, aes(x=Comp2, y=Comp3, color=Cluster)) +
geom_point()
Dari plot 2D antara Comp1 dan Comp2, terlihat jelas pembagian klasternya. Sedangkan dari plot Comp1 dan Comp3, serta Comp2 dan Comp3 pembagian klasternya terlihat tumpang tindih.
Berikut, diberikan plot 3D untuk memvisualisasikan hasil klasterisasi dengan melibatkan ketiga komponen.
#Plot 3D
plot3d(x=df_hasil_kmeans$Comp1, y=df_hasil_kmeans$Comp2, z=df_hasil_kmeans$Comp3,
col=df_hasil_kmeans$Cluster,
type="s",
radius=0.5,
xlab="Component 1",
ylab="Component 2",
zlab="Component 3")
#Add Legend
k <- sort(unique(df_hasil_kmeans$Cluster))
legend3d(x=0.8, y=0.5, legend=k, title="Cluster", col=k, pch=16)
data_cust <- cbind(data_cust, as.data.frame(Cluster))
head(data_cust)
## MemberID NoChild tenure_months youngest_kid_age_join recency frequency
## 1 336589 1 6.2094456 1.070500 89.500000 9
## 2 260165 1 6.8336756 1.229295 31.343056 4
## 3 232293 1 0.7227926 1.210130 5.461806 3
## 4 19982 1 1.2156057 1.442847 16.432639 2
## 5 185033 1 2.7268994 1.125257 9.195139 3
## 6 320637 1 2.2997947 1.097878 11.422222 1
## avg_monthly_frequency monetary avg_monetary avg_interpurchase freq_last3mo
## 1 2.25 1668 185.3333 11.12500 1
## 2 2.00 1794 448.5000 12.33333 4
## 3 3.00 648 216.0000 2.50000 3
## 4 2.00 413 206.5000 12.00000 2
## 5 1.50 834 278.0000 25.00000 3
## 6 1.00 464 464.0000 0.00000 1
## avg_consumption Cluster
## 1 8.555556 3
## 2 15.250000 3
## 3 9.333333 3
## 4 6.500000 3
## 5 9.000000 3
## 6 16.000000 3
aggregate(data_cust[,-c(1,13)], by=list(Cluster=Cluster), FUN=mean)
## Cluster NoChild tenure_months youngest_kid_age_join recency frequency
## 1 1 1.474435 19.42727 1.760106 25.79228 5.063020
## 2 2 1.254795 12.84228 1.635247 10.83848 15.247489
## 3 3 1.128264 10.06826 2.092215 31.11401 4.161554
## avg_monthly_frequency monetary avg_monetary avg_interpurchase freq_last3mo
## 1 1.330083 4461.820 939.8463 33.28153 2.665874
## 2 3.146819 4510.100 311.9642 10.77290 8.717808
## 3 1.482860 1326.782 314.2800 18.51815 2.563642
## avg_consumption
## 1 36.71881
## 2 12.26540
## 3 12.61512
Perbedaan signifikan dari karakteristik setiap klaster ditunjukkan pada variabel tenure_months, recency, dan avg_interpurchase. Untuk variabel yang lain, nilai dari setiap klaster tidak jauh berbeda. Dari hasil klasterisasi K-means tersebut, diperoleh Customer Segmentation dari data pelanggan susu sebagai berikut.