README.md

metadata

title: Customer Segmentation App
emoji: 🚀
colorFrom: red
colorTo: red
sdk: streamlit
app_file: app.py
pinned: false
short_description: AI-powered customer personality segmentation using K-Means.
license: apache-2.0
sdk_version: 1.55.0

📊 Customer Personality Segmentation Project

(Müşteri Kişilik Segmentasyonu Projesi)

This project uses Machine Learning (K-Means Clustering) to segment customers based on their income, spending habits, and family structure. It helps businesses understand their customer base to create targeted marketing strategies.

Bu proje, müşterileri gelir, harcama alışkanlıkları ve aile yapılarına göre segmentlere ayırmak için Makine Öğrenmesi (K-Means Kümeleme) kullanır. İşletmelerin hedef odaklı pazarlama stratejileri oluşturmasına yardımcı olur.

---

🛠 Features / Özellikler

• Data Preprocessing: Handling missing values and feature engineering.

• Clustering Models: Comparison between K-Means and DBSCAN.

• Model Selection: Optimized with Silhouette Score ($0.28$) and Elbow Method.

• Interactive UI: A Streamlit web application with real-time predictions and visual effects.

• Veri Ön İşleme: Eksik verilerin temizlenmesi ve yeni özelliklerin oluşturulması.

• Kümeleme Modelleri: K-Means ve DBSCAN modellerinin karşılaştırılması.

• Model Seçimi: Silhouette Skoru ($0.28$) ve Elbow Metodu ile optimizasyon.

• İnteraktif Arayüz: Gerçek zamanlı tahminler ve görsel efektler sunan Streamlit uygulaması.

---

💎 Customer Segments / Müşteri Segmentleri

The model categorizes customers into 4 main groups: Model, müşterileri 4 ana grupta sınıflandırır:

1. Premium: High income, high spending, no children. (Yüksek gelir, yüksek harcama, çocuksuz.) 🎈
2. Budget: Middle income, balanced spending. (Orta gelir, dengeli harcama.)
3. Occasional: Low income or infrequent shoppers. (Düşük gelir veya seyrek alışveriş yapanlar.)
4. Alternative: Unique spending patterns. (Özel harcama alışkanlıkları olanlar.)

---

📖 How to Use / Nasıl Kullanılır?

1. Enter the Annual Income (e.g., $110,000).

2. Enter the Total Spending (e.g., $3,000).

3. Select the number of Children.

4. Click Predict to see the magic! 🎈

5. Yıllık Geliri girin (Örn: $110,000).

6. Toplam Harcamayı girin (Örn: $3,000).

7. Çocuk Sayısını seçin.

8. Sihri görmek için Tahmin Et'e basın! 🎈

---

💻 Tech Stack / Kullanılan Teknolojiler

• Python (Pandas, Numpy)
• Scikit-Learn (StandardScaler, KMeans)
• Streamlit (Web UI)
• Joblib (Model Deployment)

---