import numpy as np from sklearn.cluster import KMeans import matplotlib.pyplot as plt # Sample data: customer_id, total_purchases, avg_time_between_purchases (hours) customer_data = np.array([ [1, 25, 0.5], [2, 10, 5], [3, 15, 2], [4, 30, 1], [5, 7, 10], [6, 20, 3], [7, 12, 7], [8, 28, 0.8], [9, 6, 12], [10, 18, 1.5] ]) # Extract customer IDs and feature data customer_ids = customer_data[:, 0].astype(int) features = customer_data[:, 1:] # Perform k-means clustering n_clusters = 2 kmeans = KMeans(n_clusters=n_clusters, random_state=42) cluster_labels = kmeans.fit_predict(features) # Find the cluster with the lowest average time between purchases impulsive_cluster = np.argmin(kmeans.cluster_centers_[:, 1]) # Get the customer IDs in the impulsive cluster impulsive_buyers = customer_ids[cluster_labels == impulsive_cluster] print("Impulsive buyers:", impulsive_buyers) # Visualize the clustering results (optional) plt.scatter(features[:, 0], features[:, 1], c=cluster_labels, cmap='viridis') plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], c='red', marker='x') plt.xlabel('Total Purchases') plt.ylabel('Average Time Between Purchases (hours)') plt.show()

top of page

avos.records@gmail.com

+1 (404)-600-9965

АВОС РЕКОРДС

Loyalty

Получайте баллы и превращайте их в бонусы

01
Зарегистрироваться
Зарегистрируйтесь как участник, чтобы начать пользоваться программой лояльности
02
Получение баллов
Получайте баллы за регистрацию на сайте и размещение заказов.
03
Списать бонусы
Спишите баллы для получения скидки

Уровни программы лояльности

Переходите на новый уровень по мере накопления баллов.

Basic
Необходимое общее количество баллов: 0
Получение баллов
- Purchase a product
  Начислять 1 балл за каждые потраченные 1 $
Списать бонусы
- 10% off all store products
  10 баллов = Скидка 10% на товар в корзине с наименьшей ценой
- 10% off all events
  10 баллов = Скидка 10% на товар в корзине с наименьшей ценой
- 10% off all bookings
  10 баллов = Скидка 10% на товар в корзине с наименьшей ценой

Loyalty: Loyalty

bottom of page