🛍️ Advanced Customer Segmentation & CLV Dashboard

Aplikasi dashboard interaktif untuk melakukan segmentasi pelanggan ritel menggunakan metode RFM (Recency, Frequency, Monetary) dan Machine Learning (K-Means Clustering). Aplikasi ini juga mengintegrasikan analisis Customer Lifetime Value (CLV) dan Generative AI (Google Gemini) untuk memberikan strategi pemasaran yang dipersonalisasi.

🌟 Fitur Utama

1. 📊 Advanced Segmentation (K-Means + RFM)

• Menggunakan algoritma K-Means Clustering untuk mengelompokkan pelanggan.
• [cite_start]Dynamic Labeling: Cluster yang terbentuk (K=3 s/d 10) secara otomatis dipetakan ke 10 Profil Pelanggan berdasarkan riset (Paper Analisis RFM), seperti Champions, Hibernating, Loyal Customers, dll.
• Visualisasi persebaran data menggunakan PCA 2D dan 3D Scatter Plot.

2. 💰 CLV & Churn Risk Analysis

• Value-based Segmentation: Mengkategorikan pelanggan menjadi High, Medium, dan Low CLV.
• Risk Matrix: Matriks prioritas untuk mengidentifikasi pelanggan bernilai tinggi yang berisiko pergi (High CLV + High Churn Risk).

3. 🤖 AI-Powered Insights

• Terintegrasi dengan Google Gemini AI via API.
• Memberikan interpretasi perilaku dan rekomendasi taktik marketing spesifik untuk setiap segmen secara otomatis.

4. 📈 Comprehensive Visualization

• Bar chart perbandingan rata-rata Recency, Frequency, dan Monetary antar cluster.
• Histogram distribusi pelanggan.
• Data Explorer dengan fitur pencarian dan filtering canggih.

---

🛠️ Instalasi & Cara Menjalankan

Ikuti langkah-langkah ini untuk menjalankan aplikasi di komputer lokal Anda:

1. Clone Repository

git clone [https://github.com/USERNAME_ANDA/NAMA_REPO.git](https://github.com/USERNAME_ANDA/NAMA_REPO.git)
cd NAMA_REPO

2. Buat Virtual Environment (Opsional tapi Disarankan)

python -m venv myenv
# Windows
myenv\Scripts\activate
# Mac/Linux
source myenv/bin/activate

3. Install DependenciesPastikan Anda memiliki file requirements.txt.

pip install -r requirements.txt

4. Siapkan Dataset

Pastikan file dataset bernama online_retail_II.csv berada di dalam folder utama proyek.

5. Jalankan Aplikasi

streamlit run app.py

📂 Struktur Proyek

📦 customer-segmentation-app
 ┣ 📜 app.py                 # Main application code
 ┣ 📜 online_retail_II.csv   # Dataset (Pastikan file ini ada)
 ┣ 📜 requirements.txt       # List library python
 ┗ 📜 README.md              # Dokumentasi proyek

🧠 Logika Segmentasi (Rule-Based)

Nama Segmen	Karakteristik Utama	Strategi Singkat
Champions 🏆	RFM Tertinggi. Baru beli, sering beli, belanja banyak.	Reward VIP, Early Access.
Loyal Customers 💖	Belanja teratur dengan nilai transaksi tinggi.	Upselling, libatkan di komunitas.
Potential Loyalist ↗️	Tanda positif menjadi loyal.	Rekomendasi produk, membership.
Promising ✨	Cukup aktif bertransaksi.	Brand awareness.
Need Attention ⚠️	Sering interaksi tapi nilai belanja kecil.	Limited time offer.
About To Sleep 💤	Recency menurun, berisiko tidur.	Info produk populer untuk engage ulang.
At Risk 🚨	Dulu aktif, sekarang jarang kembali.	Pendekatan personal (Email/WA).
Hibernating 🐻	Pola pembelian rendah & kurang terlibat.	Diskon relevan untuk re-branding.
Churned Customers 📉	Sudah lama sekali tidak bertransaksi.	Win-back campaign eksklusif.
Require Activation 🆕	Baru bergabung (New User).	Program loyalitas & hadiah first order.

⚙️ Teknologi yang Digunakan

• Language: Python 3.10+
• Web Framework: Streamlit
• Data Manipulation: Pandas, NumPyMachine Learning: Scikit-learn (KMeans, PCA, StandardScaler)
• Visualization: Plotly Express
• AI Integration: Google Generative AI (Gemini)

📝 Referensi

Logika penamaan segmen dalam proyek ini diadaptasi dari paper penelitian:

Analisis Segmentasi Menggunakan Metode RFM dalam Mengidentifikasi Perilaku Pelanggan (Utama & Ardiansah, 2023)21