Este documento describe el proceso de agrupar clientes mediante clustering. Explica que el clustering agrupa objetos similares en clústeres y puede usarse tanto para métodos supervisados como no supervisados. Luego detalla las etapas del proceso de clustering, incluyendo la definición de objetivos, recolección y análisis de datos, uso de herramientas como K-means, y aplicación de resultados. Finalmente, presenta un caso práctico de clustering de clientes de una clínica veterinaria.
Familias sionistas dentro de los 10 clanes familiares más ricos por regiones ...
Clustering Clientes Clínica Veterinaria K-Means
1. Clustering de
clientes
Economista y Consultor ialiende.es
Es profesor de postgrado de la
Universidad de Mondragón, ESIC y el
Centro de Competencia del Arbitraje.
Profesor Asociado de Economía Aplicada
de la Universidad Complutense de Madrid.
Anteriormente, ha sido consultor
internacional del Banco Mundial y
consultor senior del Grupo Cegos.
2. Sumario
2
1. Punto de partida. ¿Clustering
para qué?
2. Proceso y herramientas de
Clustering.
3. Variables de estudio en
Clustering.
4. Caso práctico por el método K-
means.
5. Conclusiones y siguientes
pasos.
Iñaki Aliende, 2022. Clustering de Clientes
3. 1. Punto de partida
3
• Clustering es un método de ciencia de los datos que consiste en agrupar
un conjunto de objetos de tal manera que los objetos en el mismo grupo
(llamado clúster) son más similares (en algún sentido) entre sí que con los
de otros grupos.
• Puede combinar métodos supervisados y no supervisados, es decir, tanto
en los que se predeterminan las variables explicativas y respuesta como en
los que se deja hacer a la IA.
• Se trata de una técnica intermedia, es decir, que exige conocer cuál el
resultado que deseamos obtener del análisis para que aporte valor:
- Identificar clientesA
- Elegir las zonas óptimas de buzoneo
- Caracterizar los públicos de nuestra publicidad
- Definir campañas comerciales
- Determinar las necesidades de los clientes
4. 2. Proceso y herramientas de Clustering
4
Pasos Ejemplo
1. Necesidad (para qué)
Fijar los objetivos de crecimiento por zona y tipo de cliente
2. Datos Operaciones de venta en la clínica y
respuesta a campañas publicitarias + Redes sociales
3. Método y herramientas
Método K-Means mediante software Radiant
4. Resultados
Caracterización de segmentos de clientes, preventa y postventa
5. Aplicaciones Tratamiento en clínica por tipo de cliente, Telemarketing y publicidad,
Campañas en redes sociales, Retención, Dimensionamiento de la plantilla,
etc.
6. Mejorar el modelo Comparación de resultados (confirmar que los clientes
de cada clúster siguen comportamientos particulares).
Caso: ClínicaVeterinaria
5. 2. Proceso y herramientas de Clustering
5
HERRAMIENTAS DE CIENCIA DE LOS DATOS
Paquetes estadísticos: Stata, SPSS, Excel
Lenguajes de programación: R, Python
Visualización: Power BI,Tableau
MÉTODOS DE CLUSTERING
K-Means
Hierarchical clustering
Fisher-Jenks
Fuzzy clustering
6. 3.Variables de trabajo en Clustering
6
POSTVENTA
Valor compras semestrales
Número deVisitas
Importe medio de compra
Horarios de compra
Línea de productos
…
PREVENTA
Edad
Código postal
Sexo
Estado civil
Profesión
…
¿CORRESPONDENCIA?
7. 4. Caso práctico: clínica veterinaria
7
POSTVENTA
Valor compras semestrales (datos
de últimos 4 semestres) de los 500
mejores clientes
Número deVisitas
Número de servicios (Tienda |
Consulta y Preventiva |
Diagnóstica y Analítica | Cirugía)
Horarios de compra (mañana 10-
14 | tarde 14-18 | noche 18-22)
PREVENTA
Edad (subjetiva)
CP
Familia: sí (mascota
compartida) | no
Animal (perro pequeño, perro
grande, gato)
10. 10
CP/CONSUMO/ED
AD
Análisis exploratorio
Población mayor se concentra
en el centro, más cerca de la
clínica (CP-4).
Consumo de todos los CP.
¿CP-6 es un área de potencial
crecimiento?
CENTRO ENSANCHE PERIFERIA
1 2 3 4 5 6 7 8 9 0
14. 14
CLÚSTER 1
Rango de edad amplio
Residen hacia el exterior
Dueños de perros grandes y gatos,
sobre todo
CLÚSTER 2
Mayores
Residentes en el centro
Dueños de perros pequeños
CLÚSTER 3
Jóvenes
Residentes en el centro y ensanche
Perros grandes, sobre todo
CLÚSTER 4
Jóvenes y mediana edad
15. 15
CLÚSTER 1
Tendencia al Servicio 4
CLÚSTER 2
Tendencia al Servicio 1
CLÚSTER 3
Tendencia al Servicio 3 y 4
16. 16
CLÚSTER 2
Menos visitas por la noche
CLÚSTER 3
Menos visitas por la tarde
CLÚSTER 2
Menor volumen de compra
CLÚSTER 3
Mayor volumen de compra
17. 17
5. Conclusiones y siguientes pasos.
Fieles
Pacientes
Amistosos
Rigurosos
Puntuales
Solventes
Imprevisibles
Varios interlocutores
Flexibles