Diplomová práce

Sezónní analýza zákaznického chování pomocí RFM analýzy a K-means clusteringu – případová studie Mobilegear

Seasonal Analysis of Customer Behavior Using RFM and K-means Clustering – A Case Study of Mobilegear

Bc. Přemysl Opálka
Anotace

Tato práce se zabývá analýzou zákaznického chování ve společnosti Mobilegear.cz pomocí RFM segmentace, K-means shlukování a analýzy sezónnosti. Hlavním cílem je identifikovat zákaznické segmenty, porov-nat jejich chování a analyzovat vývoj zákaznické aktivity v čase. Analýza vychází z transakčních dat a je provedena v rámci metodiky CRISP-DM. Hodnota zákazníků je měřena pomocí ukazatelů Recency, Frequency …více

Abstract

This thesis analyses customer behaviour in Mobilegear.cz using RFM segmentation, K-means clustering, and seasonality analysis. The main objective is to identify meaningful customer segments, compare their behaviour, and examine how customer activity changes over time. The analysis is based on transactional data and follows the CRISP-DM framework. Customer value is measured using Recency, Freque-ncy …více

Klíčová slova
zákaznická segmentace RFM analýza shlukování metodou K-means analýza sezónnosti zákaznické chování elektronické obchodování řízení vztahů se zákazníky dolování dat Customer Segmentation RFM Analysis K-means Clustering Seasonality Analysis Customer Behaviour E-commerce CRM Data Mining
Zadání práce
Cíl práce:
Cílem této diplomové práce je analyzovat sezónní trendy v nákupním chování zákazníků na trhu s použitými zařízeními Apple. Studie se zaměří na vliv vnějších faktorů, jako jsou uvedení nových produktů Apple na trh, sváteční období a zvýšená poptávka v období návratu do škol, a to vše na příkladu společnosti Mobilegear. Výsledkem práce bude návrh strategií pro optimalizaci řízení zásob, dynamické cenotvorby a cílených marketingových kampaní vycházejících ze sezónních vzorců.

Postup práce a použité metody:
Práce využije transakční data společnosti Mobilegear (včetně časových razítek nákupů, ID zákazníků, výše nákupů a typu produktu) a aplikuje metodu RFM analýzy a algoritmus K-means clustering. Na základě výsledků RFM analýzy budou zákazníci rozděleni do odlišných segmentů podle sezónních
nákupních vzorců. Následně budou analyzovány prodejní trendy s cílem identifikovat období vrcholů a poklesů poptávky.
Administrativní informace
Práce zkontrolována:
12. 5. 2026 08:24, doc. Ahad Zareravasan, PhD, učo 243210
Plný text práce
1,6 MB / soubor PDF
Jazyk práce
angličtina angličtina
Termín obhajoby
17. 6. 2026
Práce byla úspěšně obhájena

Vedoucí

doc. Ahad Zareravasan, PhD, učo 243210
KPEM ESF MU

Oponent

Prateek Kalia, Ph.D., učo 244763
KPEM ESF MU
Citovat tuto práci
Masarykova univerzita Ekonomicko-správní fakulta
Studijní program
Plán
Podniková ekonomika a management

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.