Customer Segmentation App

Aplikasi dashboard sederhana untuk melakukan segmentasi pelanggan menggunakan model K-Means dan menampilkan hasil prediksi beserta strategi bisnis per-segmen. Aplikasi dibuat dengan Streamlit, visualisasi menggunakan Plotly, dan model disimpan sebagai file joblib.

Fitur utama

• Prediksi segmen pelanggan (input: TotalQuantity, AvgUnitPrice, AvgTransactionValue).
• Visualisasi 3D cluster menggunakan Plotly.
• Randomizer input (pilihan general dan per-cluster) untuk mudah menguji skenario.
• Panel strategi bisnis lengkap per cluster ditampilkan setelah prediksi.

Requirements (disarankan)

• Python 3.8+
• streamlit
• pandas
• numpy
• scikit-learn
• joblib
• plotly

Contoh instalasi cepat:

python -m venv .venv
source .venv/bin/activate
pip install --upgrade pip
pip install streamlit pandas numpy scikit-learn joblib plotly

Atau (jika Anda membuat requirements.txt):

pip install -r requirements.txt

Cara menjalankan

Jalankan aplikasi Streamlit dari root proyek:

streamlit run /home/stardhoom/customer-segmentation-app/app.py

Akses aplikasi pada URL yang ditampilkan (biasanya http://localhost:8501).

File penting dalam repo

• app.py : Aplikasi Streamlit utama (UI, randomizer, prediksi, visualisasi, strategi).
• kmeans_model.joblib : (tidak termasuk di repo) file model KMeans yang sudah dilatih.
• scaler.joblib : (tidak termasuk di repo) scaler yang digunakan saat training.
• cluster_data.csv : (opsional) data sample untuk visualisasi cluster.

Jika model (.joblib) tidak ditemukan, aplikasi akan menampilkan pesan error. Letakkan kmeans_model.joblib dan scaler.joblib di folder yang sama dengan app.py.

Catatan tentang input & randomizer

• Input utama: TotalQuantity, AvgUnitPrice, AvgTransactionValue.
• Terdapat tombol Randomizer umum dan tombol randomizer per-cluster (Big Spender, Frugal, Regular, Bulk Buyer) untuk menghasilkan skenario uji.
• Rentang nilai randomizer disesuaikan agar realistis.

Strategi bisnis per-cluster Aplikasi menampilkan strategi singkat dan lengkap tiap cluster di bawah hasil prediksi (expandable). Strategi mencakup: ringkasan persona, taktik jangka pendek, taktik jangka panjang, channel komunikasi, KPI yang harus dipantau, dan contoh kampanye.

Saran penggunaan & pengembangan

• Untuk eksperimen, gunakan randomizer per-cluster untuk A/B test ide kampanye.
• Tambahkan requirements.txt atau gunakan environment manager (conda/venv) untuk reproducibility.
• Jika ingin mengemaskini persona atau strategi, edit app.py bagian personas dan strategies.

Ingin saya bantu lagi?

• Tambahkan requirements.txt otomatis.
• Simpan strategi ke file strategies.md atau tombol ekspor ke PDF.
• Menambahkan endpoint API untuk integrasi B2B.

---