Phân Khúc Khách Hàng
PROPhân khúc khách hàng bằng RFM, gom 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 mục tiêu.
Ví dụ sử dụng
Segment customer base dùng RFM analysis cho personalized marketing.
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 |
|---|---|---|
| Số ngày nhìn ngược để tính điểm gần đây (90 cho bán lẻ nhanh, 730 cho B2B) | 365 | |
| Số cụm cho thuật toán K-Means (xác định bằng Elbow Method, thường 3-8) | 5 | |
| Ngưỡng phần trăm trên đó khách hàng được coi là giá trị tiền tệ cao | 75 | |
| Số ngày không hoạt động định nghĩa khách hàng mất (30 cho SaaS, 365 cho đăng ký năm) | 180 | |
| Ngưỡng tần suất mua tối thiểu để coi là khách thường xuyên (tùy ngành) | 5 | |
| Thời gian hoàn vốn chi phí thu hút khách hàng mục tiêu (tháng) | 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