Phân Khúc Khách Hàng
PROPhân khúc khách hàng sử dụng phân tích RFM, phân cụm K-Means và dữ liệu hành vi để xác định nhóm giá trị cao, dự đoán rời bỏ và xây dựng chiến lược thu hút có mục tiêu.
Ví dụ sử dụng
Phân khúc khách hàng theo hành vi
Prompt Skill
Skill này hoạt động tốt nhất khi được sao chép từ findskill.ai — nó bao gồm các biến và định dạng có thể không được chuyển đúng cách từ nơi khác.
Cách sử dụng Skill này
1
Sao chép skill bằng nút ở trên
2
Dán vào trợ lý AI của bạn (Claude, ChatGPT, v.v.)
3
Điền thông tin bên dưới (tùy chọn) và sao chép để thêm vào prompt
4
Gửi và bắt đầu trò chuyện với AI của bạn
Tùy chỉnh gợi ý
| Mô tả | Mặc định | Giá trị của bạn |
|---|---|---|
| Days to look back for calculating recency score (90 for fast-moving retail, 730 for B2B) | 365 | |
| Number of clusters for K-Means algorithm (determine via Elbow Method, typically 3-8) | 5 | |
| Percentile threshold above which customers are considered high monetary value | 75 | |
| Days of inactivity defining a customer as churned (30 for SaaS, 365 for annual subscription) | 180 | |
| Minimum purchase frequency to classify as frequent buyer (varies by industry) | 5 | |
| Target Customer Acquisition Cost payback period in months | 12 |
Nguồn nghiên cứu
Skill này được xây dựng từ các nguồn uy tín sau:
- 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