Segmentazione Clienti
PROSegmenta i clienti in gruppi azionabili - RFM, comportamentale, demografico e psicografico. Marketing mirato che funziona!
Esempio di Utilizzo
Segmenta i miei clienti usando RFM analysis e suggerisci strategie specifiche per ogni segmento.
Prompt dello Skill
Questo skill funziona meglio quando viene copiato da findskill.ai — include variabili e formattazione che potrebbero non essere trasferite correttamente altrove.
Come Usare Questo Skill
1
Copia lo skill usando il pulsante sopra
2
Incolla nel tuo assistente AI (Claude, ChatGPT, ecc.)
3
Compila le tue informazioni sotto (opzionale) e copia per includere nel tuo prompt
4
Invia e inizia a chattare con la tua AI
Personalizzazione Suggerita
| Descrizione | Predefinito | Il Tuo Valore |
|---|---|---|
| Giorni da analizzare per calcolare score recency (90 per retail veloce, 730 per B2B) | 365 | |
| Numero cluster per algoritmo K-Means (determina via Metodo Gomito, tipicamente 3-8) | 5 | |
| Soglia percentile sopra la quale i clienti sono considerati alto valore monetario | 75 | |
| Giorni inattività che definiscono cliente come perso (30 per SaaS, 365 per abbonamento annuale) | 180 | |
| Frequenza acquisto minima per classificare come acquirente frequente (varia per settore) | 5 | |
| Periodo di recupero CAC target in mesi | 12 |
Fonti di Ricerca
Questo skill è stato creato utilizzando ricerche da queste fonti autorevoli:
- Comarch Customer Segmentation Guide Comprehensive 7-step segmentation strategy covering geographic, demographic, psychographic, behavioral, needs-based, and value-based approaches
- 8 Proven Customer Segmentation Frameworks Details 8 frameworks including 4A Model, 3C Framework, STP, RFM Analysis, 5W Framework, Persona Framework
- How to Perform Customer Segmentation: 5-Step Strategy Step-by-step implementation guide with real examples of demographic, geographic, psychographic, and behavioral approaches
- Ultimate Framework for Segmenting Customers Practical framework covering behavioral, psychographic, RFM segmentation across CRM, success, sales, and product teams
- Customer Segmentation in Python with Machine Learning Hands-on Python tutorial using K-Means clustering with EDA, feature scaling, and segment interpretation
- Customer Segmentation via Cluster Analysis Technical guide on K-Means, hierarchical, and density-based clustering methods
- Customer Segmentation Using K-Means Clustering Project-based tutorial covering EDA, feature transformation, elbow method, and cluster interpretation
- Machine Learning for Customer Segmentation in Retail Academic overview of ML techniques including clustering, classification algorithms, and retail case studies
- AI-driven Customer Segmentation in E-commerce Framework covering clustering algorithms, data integration, implementation case studies, and ROI measurement
- RFM Analysis Method for Customer Segmentation Detailed guide on Recency-Frequency-Monetary analysis and segment interpretation