📌 Customer Segmentation — RFM + Unsupervised Machine Learning

Projeto completo de Data Science e Analytics end-to-end, aplicando RFM Analysis (Recency, Frequency, Monetary) e Machine Learning não supervisionado para segmentação de clientes e identificação de perfis comportamentais de compra.

O objetivo é gerar clusters acionáveis para apoiar decisões estratégicas em:

• CRM Analytics
• Marketing de retenção
• Customer Lifetime Value (CLV)
• Campanhas personalizadas
• Otimização de receita e churn prevention

---

🔍 Principais etapas do pipeline

• Data Cleaning e ETL
• Tratamento de outliers
• Exploratory Data Analysis (EDA)
• Construção de variáveis RFM
• Feature Scaling para clusterização
• Treinamento e comparação de modelos de clusterização
• Avaliação com métricas quantitativas + análise visual dos clusters
• Dataset https://drive.google.com/file/d/1LNAHaPXEaGp1WLI_J348g0AeCFH208lz/view?usp=sharing

---

🤖 Modelos de clusterização avaliados

• KMeans
• Agglomerative Clustering (Hierárquico)
• MeanShift
• DBSCAN
• Gaussian Mixture Model (GMM)

---

📊 Métricas de avaliação utilizadas

• Silhouette Score
• Davies-Bouldin Index
• Calinski-Harabasz Score
• BIC (Bayesian Information Criterion) para seleção do melhor GMM

---

📌 Projeto completo

Toda a narrativa do projeto, gráficos, interpretações e insights de negócio estão documentados no meu portfólio:

👉 https://sites.google.com/view/brun0camera/segmenta%C3%A7%C3%A3o-de-clientes