- Clustering para Segmentación y Scoring Marcelo Ferreyra – Esteban Ricagno VIII Jornadas de Data Mining & Business Intelligence Universidad Austral Temas 25/10/2013 www.dataxplore.com.ar 2 Segmentos Beneficios de segmentar una cartera Tipos de segmentación Perfil de los segmentos Clusters para Scoring Ejemplos con datos reales Segmentos 25/10/2013 www.dataxplore.com.ar 3 Una segmentación divide una cartera de clientes en grupos donde los clientes dentro de un segmento son similares y los que están en distintos segmentos son diferentes Segmentos 25/10/2013 www.dataxplore.com.ar 4 Beneficios Permite ver a los clientes desde una perspectiva global Habilita distintas estrategias de comunicación según el segmento al que dirigirse Transmite a toda la organización la idea de que no todos los clientes son iguales Segmentos 25/10/2013 www.dataxplore.com.ar 5 Tipos de Segmentación Dirigida (Supervisada) – Se eligen las variables y los rangos para separar la cartera en segmentos No dirigida (No supervisada) – Un algoritmo encuentra automáticamente los segmentos Segmentos basados en clusters 25/10/2013 www.dataxplore.com.ar 6 Si la segmentación se realiza con clusters encontrados automáticamente, debe descubrirse: Qué distingue a los segmentos Qué tienen en común los clientes de un mismo segmento Clusters en Powerhouse 25/10/2013 www.dataxplore.com.ar 7 Caso: un banco que desea conocer mejor a sus clientes y decide segmentar la base para encontrar los distintos perfiles El mapa de la izquierda muestra 7 segmentos naturales, que agrupan clientes con comportamientos similares 25% 18% 17% 5% 16% 12% 6% Cluster 1 Cluster 2 Cluster 3 Cluster 4 Cluster 5 Cluster 6 Cluster 7 ¿Qué distingue cada segmento? 25/10/2013 www.dataxplore.com.ar 8 Las siguientes variables son las que más diferencian los segmentos ¿Qué características tienen los segmentos? 25/10/2013 www.dataxplore.com.ar 9 Cada variable tiene su propia distribución en los segmentos Heat Maps 25/10/2013 www.dataxplore.com.ar 10 Los Heat Maps permiten conocer detalladamente cómo se distribuyen los valores de las variables Saldos Altos Saldos Bajos Saldos Medios Muy Bajo Riesgo Muy Alto Riesgo Capital Federal Gran Bs As Clusters para Scoring 25/10/2013 www.dataxplore.com.ar 11 Si una variable se distribuye de manera no uniforme en los clusters, entonces el cluster puede utilizarse como predictor de esa variable. Por ejemplo, en este caso se puede construir un score de attrition basado en la distribución de la variable en los clusters Cluster con alta probabilidad de “SI” Cluster con baja probabilidad de “SI” Cluster con probabilidad media de “SI” Resumen 25/10/2013 www.dataxplore.com.ar 12 Para más información sobre modelos de clustering para segmentación y scoring puede consultarse http://powerhousedm.blogspot.com.ar/ Gracias a las segmentaciones las empresas pueden gestionar mejor su cartera de clientes dirigiéndose adecuadamente a cada segmento Segmentar habilita tomar mejores decisiones, abrir nuevas oportunidades y optimizar la comunicación con los clientes