Big Data: Segmentación de Clientes

Ene. 25, 2018 No hay comentarios

¿Qué es una Segmentación de Clientes?

La Segmentación de Clientes es un concepto que a priori suena fácil. En resumen, se trata de agrupar los Clientes en diferentes segmentos, cada uno de ellos caracterizados por unas ciertas condiciones o propiedades que describen el comportamiento de los Clientes que pertenecen a ellos.

Hay infinitas características del Cliente que se pueden usar para hacer una Segmentación. Sin embargo, las características óptimas y la metodología a seguir dependerán mucho del objetivo de negocio que se persiga con dicha Segmentación. Por lo tanto, no hay un único método correcto ni una única manera para hacer una Segmentación de Clientes.

En esta entrada del Blog, la idea es mostrar un ejemplo práctico de Segmentación realizada con técnicas de Data Science.

La Utilidad de una Segmentación de Clientes

En una era en la que un Comercio, ya sea local y/o online, tiene a su disposición tal abundancia de datos que describen a sus Clientes, no hay excusa que valga para no someter estos datos a un buen uso y, así, conocer mejor a sus Clientes y mejorar su experiencia de compra.

Una Segmentación de Clientes aporta información que permite personalizar mucho más la relación con el Cliente. En este sentido se puede pensar en ofertas personalizadas que aumentan la eficiencia y la tasa de conversión de Campañas de Marketing. Otro posible ejemplo es monitorizar la pertenencia de un Cliente a un segmento en función del tiempo. Esta información es especialmente interesante para diseñar estrategias de Retención y Fidelización de Clientes.

La Segmentación de Clientes se suele realizar usando técnicas de clustering no-supervisadas (por ej. K-Means, Clustering Jerárquico, etc.). Sin embargo, desde el punto de vista del negocio, los resultados obtenidos de una Segmentación son más efectivos si los segmentos se pueden vincular directamente con algo concreto, como por ejemplo con el recorrido del Cliente, con la afinidad de producto, etc.

Por lo tanto, es imprescindible interpretar los resultados de una segmentación junto a las personas que conocen el negocio, como puede ser el responsable de Marketing en este caso, para así asegurarse de que el análisis que se ha hecho tenga sentido y que la información se pueda traducir en acciones concretas que mejoren la relación con el Cliente, mejoren su experiencia de compra y, en consecuencia, aumenten las Ventas.

Análisis RFM

La Segmentación de Clientes se puede realizar teniendo en cuenta una multitud de variables diferentes, como pueden ser datos demográficos, geográficos, psicológicos (preferencias, etc.) o datos relacionados con el comportamiento de compra, que son cada vez más importantes.

Sin embargo, vamos a exponer aquí un ejemplo básico y práctico, con el fin de que sea ilustrativo y fácil de seguir. Para ello nos basamos en un análisis clásico del mundo del Marketing: la Segmentación RFM.

Conceptualmente, se trata de segmentar los Clientes en función de tres variables: Recency, Frequency y Monetary. Es decir, dado un Cliente en particular, las variables a analizar son, por un lado, los días que han pasado desde la última compra, por otro la frecuencia con la que el Cliente ha comprado productos en un periodo determinado, y por otro el valor monetario agregado que el Cliente se ha gastado.

Ejemplo Práctico Segmentación RFM – Demo

Los datos que hay detrás de este ejemplo representan las compras de Clientes registrados de una cadena Retail a lo largo de un periodo determinado. Se puede descargar el fichero CSV que contiene estos datos desde este enlace. Los datos contienen además de un Identificador de Cliente, las tres variables previamente mencionadas:

  1. Frequency: la cantidad de veces que un Cliente ha visitado la tienda durante el periodo analizado.
  2. Monetary: el valor (€) agregado que se ha gastado el Cliente en este periodo.
  3. Recency: el número de días que han pasado desde la última visita.

Hemos desarrollado un Dashboard interactivo en R Shiny que se puede abrir desde el siguiente enlace:

Para usar la aplicación, sólo hay que cargar el fichero CSV mencionado previamente.

Aunque el uso del Dashboard es bastante intuitivo, también tenemos a tu disposición un documento con instrucciones más precisas para su uso, el cual se puede abrir desde este enlace.

Una vez cargado el archivo, la primera pestaña de la aplicación muestra información descriptiva de los datos, mientras en la segunda pestaña se puede crear, analizar e incluso exportar una Segmentación.

Aquí te dejamos un pequeño vídeo-demo de la aplicación:

 

Con el fin de mostrar un ejemplo concreto, la siguiente imagen (Figura 1) muestra una Segmentación en la que el número de segmentos a identificar se ha fijado en 5:

Figura 1. Resultados Segmentación (5 Clusters)

Desde un punto de vista de Marketing cada segmento podría representar un grupo de Clientes con las siguientes características:

  • Clientes VIP:  Clientes con frecuencia y con valor adquisitivo alto. Estos Clientes son muy importantes para el negocio y no se pueden perder, por lo que hay que intentar diseñar estrategias para seguirlos fidelizando al máximo.
  • VIPs Potenciales:  Comparado con el segmento anterior, estos Clientes tienen una frecuencia y valor monetario inferior, aunque significativo. Se podría diseñar una campaña de Marketing con el fin de “empujar” estos Clientes hacia el segmento VIP.
  • Clientes Nuevos:  Clientes que hace poco pisaron por primera vez la tienda (Recency baja). Habría que intentar convertirlos, al menos una parte, en Clientes más frecuentes/fidelizados de cara al futuro.
  • Clientes con Baja Frecuencia, Recency Alta, y Valor Adquisitivo Alto/Bajo:  El valor de Recency alto indica que ha pasado mucho tiempo desde la última visita. Junto con su baja frecuencia, estos Clientes se podrían considerar prácticamente perdidos, ya que es poco probable que vuelvan a la tienda. En este caso, se podría diseñar iniciativas de Marketing para volver a atraer su atención a la tienda y a sus productos.

Aunque la interpretación de los segmentos siempre tiene un componente subjetivo, no hay duda de que esta información puede aportar un gran valor a la Empresa.

Por ejemplo, otra importante aplicación práctica para aumentar las Ventas sería que el Departamento Comercial pueda diseñar una Campaña de “Marketing Enfocado o Personalizado” a los segmentos existentes, es decir, ofreciendo e incentivando a cada Cliente con aquellos Productos o Servicios que más probabilidad de éxito se prevé que tendrán según el segmento al cual pertenece ese Cliente.

¡Pruébalo tú mismo!

Te proponemos explorar y utilizar la aplicación usando nuestros datos de prueba. ¡Pero no hay cosa más interesante que analizar tu propio negocio!

Por lo tanto te animamos a usar tus propios datos, siempre que el CSV que se use tenga el mismo formato y orden de columnas que nuestro fichero de prueba.

Respecto a la privacidad de los datos, si están anonimizados de antemano, no tendrás problema pero, además, una vez finalizada la sesión, el CSV usado se borra y no queda rastro.

Para más información, no dudes en ponerte en contacto con nosotros en: info@PredictLand.com o en nuestro teléfono: +34 686 628 545

Comentarios

Sé el primero en comentar.

Deja tu comentario

Tu dirección de correo electrónico no será publicada.

Le informamos que los datos que voluntariamente nos proporcione en el presente formulario serán tratados por “PredictLand” con la finalidad de dar respuesta a su solicitud. Sus datos no serán cedidos a terceros, salvo cuando sea indispensable para la prestación del servicio u obligaciones legales. Puede ejercer sus derechos de acceso, rectificación, limitación, portabilidad, oposición y supresión de los datos a través del correo electrónico info@predictland.com. Más información en www.predictland.com.