SlideShare una empresa de Scribd logo
1 de 27
Descargar para leer sin conexión
Segmentación
de clientes
Jefferson Pariona
DMC Online
● ¿Qué es una Segmentación No Jerárquica? y
¿Cuándo usarla?
● Ventajas y Desventajas
● ¿Cómo funciona el método K-means?
● Ejemplo del funcionamiento de K-means
● Selección del número de clusters: Método del
Codo
● Proceso recomendado para realizar una
Segmentación No Jerárquica
● Ejemplo aplicativo en RStudio
3
DMC Online | Segmentación de Clientes
¿Qué es una Segmentación
No Jerárquica?
● En la segmentación no jerárquico los
datos se dividen en K particiones o
grupos, donde cada partición
representa un cluster.
● El número de cluster debe conocerse
a priori.
● El método más usado es el de
K-means y sus variantes.
DMC Online | Segmentación de Clientes
¿Cuándo usarla?
● Útil para explorar, describir y
resumir datos de una forma distinta.
● Confirmar (o rechazar) algún tipo
de clasificación previa.
● Ayudar a descubrir patrones y
relaciones que desconocemos.
DMC Online | Segmentación de Clientes
Fácil de entender,
fácil de adaptar.
DMC Online | Segmentación de Clientes
Trabaja bien con conjuntos de datos
grandes o pequeños, es eficiente y tiene
buen desempeño.
Ventajas
SEGMENTACIÓN NO JERÁRQUICA
Necesita que el usuario
defina el número de clusters.
DMC Online | Segmentación de Clientes
Es muy afectado por outlier’s.
Desventajas
SEGMENTACIÓN NO JERÁRQUICA
DMC Online | Segmentación de Clientes
¿Cómo funciona el método K-means?
Convergencia:
Ya no hay más asignación de
individuos a otros clusters
INICIO
Número de
clusters
Determinación de
Centroides
Determinación de
la distancia de los
individuos a los
centroides
Agrupamiento
basado en mínima
distancia
¿Algún individuo se
mueve de grupo?
Sí
FIN
No
Ejemplo
DMC Online | Segmentación de Clientes
FUNCIONAMIENTO DEL K-MEANS
● Los comensales van al restaurante más cercano.
● Los restaurantes siempre buscarán reubicarse para estar en el centro de su comensales.
● Los comensales van al restaurante más cercano.
● Los restaurantes siempre buscarán reubicarse para estar en el centro de su comensales.
● Los comensales van al restaurante más cercano.
● Los restaurantes siempre buscarán reubicarse para estar en el centro de su comensales.
● Los comensales van al restaurante más cercano.
● Los restaurantes siempre buscarán reubicarse para estar en el centro de su comensales.
● Los comensales van al restaurante más cercano.
● Los restaurantes siempre buscarán reubicarse para estar en el centro de su comensales.
● Los comensales van al restaurante más cercano.
● Los restaurantes siempre buscarán reubicarse para estar en el centro de su comensales.
● Los comensales van al restaurante más cercano.
● Los restaurantes siempre buscarán reubicarse para estar en el centro de su comensales.
● Los comensales van al restaurante más cercano.
● Los restaurantes siempre buscarán reubicarse para estar en el centro de su comensales.
● Los comensales van al restaurante más cercano.
● Los restaurantes siempre buscarán reubicarse para estar en el centro de su comensales.
● Los comensales van al restaurante más cercano.
● Los restaurantes siempre buscarán reubicarse para estar en el centro de su comensales.
● Los comensales van al restaurante más cercano.
● Los restaurantes siempre buscarán reubicarse para estar en el centro de su comensales.
Selección del número de Clusters
DMC Online | Segmentación de Clientes
Selección del número de Clusters
DMC Online | Segmentación de Clientes
Selección del número de Clusters
MÉTODO DEL CODO
DMC Online | Segmentación de Clientes
Proceso recomendado
DMC Online | Segmentación de Clientes
SEGMENTACIÓN NO JERÁRQUICA
Ejemplo aplicativo en RStudio
En una tienda retail, se tiene la información de la
cartera de clientes:
• Valor de compra (ticket promedio).
• Distancia en km. de su vivienda a la tienda.
• Edad.
• Línea de crédito en la tienda.
Con esta información se requiere encontrar los
diferentes segmentos que podrían existir, a fin de
crear estrategias comerciales segmentadas para
poder aumentar el consumo.
DMC Online | Segmentación de Clientes
Sesión 3 - Presentación.pdf

Más contenido relacionado

Similar a Sesión 3 - Presentación.pdf

Medios Digitales Universidad del Pacífico Marketing Digital
Medios Digitales Universidad del Pacífico Marketing DigitalMedios Digitales Universidad del Pacífico Marketing Digital
Medios Digitales Universidad del Pacífico Marketing DigitalAlejandra Vaca
 
Exprime las posibilidades del retargeting con Adwords - Natalia Sampériz - Se...
Exprime las posibilidades del retargeting con Adwords - Natalia Sampériz - Se...Exprime las posibilidades del retargeting con Adwords - Natalia Sampériz - Se...
Exprime las posibilidades del retargeting con Adwords - Natalia Sampériz - Se...Semmantica
 
Ricardo Rojas- eRetail Week Online [Live] Experience - ePayments
Ricardo Rojas- eRetail Week Online [Live] Experience - ePaymentsRicardo Rojas- eRetail Week Online [Live] Experience - ePayments
Ricardo Rojas- eRetail Week Online [Live] Experience - ePaymentseCommerce Institute
 
Presentación Javier Cami Alvarez - eModa Day Buenos Aires 2016
Presentación Javier Cami Alvarez - eModa Day Buenos Aires 2016Presentación Javier Cami Alvarez - eModa Day Buenos Aires 2016
Presentación Javier Cami Alvarez - eModa Day Buenos Aires 2016eCommerce Institute
 
Formación para Emprendedores. SACME 2014 rev mayo
Formación para Emprendedores. SACME 2014 rev mayoFormación para Emprendedores. SACME 2014 rev mayo
Formación para Emprendedores. SACME 2014 rev mayoJuan Castelló
 
Presentación Nicolás Valenzuela | Andabi - eCommerce Day Buenos Aires 2017
Presentación Nicolás Valenzuela | Andabi - eCommerce Day Buenos Aires 2017Presentación Nicolás Valenzuela | Andabi - eCommerce Day Buenos Aires 2017
Presentación Nicolás Valenzuela | Andabi - eCommerce Day Buenos Aires 2017eCommerce Institute
 
Taller crm como, donde y porque
Taller crm como, donde y porqueTaller crm como, donde y porque
Taller crm como, donde y porquePedro Colmenares
 
Presentación Gabriel Cabrera - eCommerce Day Panama 2017
Presentación Gabriel Cabrera - eCommerce Day Panama 2017Presentación Gabriel Cabrera - eCommerce Day Panama 2017
Presentación Gabriel Cabrera - eCommerce Day Panama 2017eCommerce Institute
 
Nicolas Valenzuela - eCommerce Day Buenos Aires 2019
Nicolas Valenzuela - eCommerce Day Buenos Aires 2019Nicolas Valenzuela - eCommerce Day Buenos Aires 2019
Nicolas Valenzuela - eCommerce Day Buenos Aires 2019eCommerce Institute
 
Aprende Adwords con @analisisweb
Aprende Adwords con @analisiswebAprende Adwords con @analisisweb
Aprende Adwords con @analisiswebanalisis-web.es
 
Captación de trafíco cualificado en Internet
Captación de trafíco cualificado en InternetCaptación de trafíco cualificado en Internet
Captación de trafíco cualificado en InternetSemmantica
 
Turning big data into big value césar hernandez
Turning big data into big value   césar hernandezTurning big data into big value   césar hernandez
Turning big data into big value césar hernandezAMDIA-Integra
 

Similar a Sesión 3 - Presentación.pdf (20)

Introducción al CRO
Introducción al CROIntroducción al CRO
Introducción al CRO
 
Medios Digitales Universidad del Pacífico Marketing Digital
Medios Digitales Universidad del Pacífico Marketing DigitalMedios Digitales Universidad del Pacífico Marketing Digital
Medios Digitales Universidad del Pacífico Marketing Digital
 
Curso Comercializacion UCLM
Curso Comercializacion UCLMCurso Comercializacion UCLM
Curso Comercializacion UCLM
 
Exprime las posibilidades del retargeting con Adwords - Natalia Sampériz - Se...
Exprime las posibilidades del retargeting con Adwords - Natalia Sampériz - Se...Exprime las posibilidades del retargeting con Adwords - Natalia Sampériz - Se...
Exprime las posibilidades del retargeting con Adwords - Natalia Sampériz - Se...
 
Retargeting ad words
Retargeting ad wordsRetargeting ad words
Retargeting ad words
 
Ricardo Rojas- eRetail Week Online [Live] Experience - ePayments
Ricardo Rojas- eRetail Week Online [Live] Experience - ePaymentsRicardo Rojas- eRetail Week Online [Live] Experience - ePayments
Ricardo Rojas- eRetail Week Online [Live] Experience - ePayments
 
Presentación Javier Cami Alvarez - eModa Day Buenos Aires 2016
Presentación Javier Cami Alvarez - eModa Day Buenos Aires 2016Presentación Javier Cami Alvarez - eModa Day Buenos Aires 2016
Presentación Javier Cami Alvarez - eModa Day Buenos Aires 2016
 
Formación para Emprendedores. SACME 2014 rev mayo
Formación para Emprendedores. SACME 2014 rev mayoFormación para Emprendedores. SACME 2014 rev mayo
Formación para Emprendedores. SACME 2014 rev mayo
 
Presentación Nicolás Valenzuela | Andabi - eCommerce Day Buenos Aires 2017
Presentación Nicolás Valenzuela | Andabi - eCommerce Day Buenos Aires 2017Presentación Nicolás Valenzuela | Andabi - eCommerce Day Buenos Aires 2017
Presentación Nicolás Valenzuela | Andabi - eCommerce Day Buenos Aires 2017
 
Taller crm como, donde y porque
Taller crm como, donde y porqueTaller crm como, donde y porque
Taller crm como, donde y porque
 
CRM.pptx
CRM.pptxCRM.pptx
CRM.pptx
 
Herramientas para StartUps
Herramientas para StartUpsHerramientas para StartUps
Herramientas para StartUps
 
Presentación Gabriel Cabrera - eCommerce Day Panama 2017
Presentación Gabriel Cabrera - eCommerce Day Panama 2017Presentación Gabriel Cabrera - eCommerce Day Panama 2017
Presentación Gabriel Cabrera - eCommerce Day Panama 2017
 
REVENUE MANAGEMENT HOTELERO
REVENUE MANAGEMENT HOTELEROREVENUE MANAGEMENT HOTELERO
REVENUE MANAGEMENT HOTELERO
 
Agrotur 2010
Agrotur  2010Agrotur  2010
Agrotur 2010
 
Nicolas Valenzuela - eCommerce Day Buenos Aires 2019
Nicolas Valenzuela - eCommerce Day Buenos Aires 2019Nicolas Valenzuela - eCommerce Day Buenos Aires 2019
Nicolas Valenzuela - eCommerce Day Buenos Aires 2019
 
Curso de Adwords Petrer
Curso de Adwords PetrerCurso de Adwords Petrer
Curso de Adwords Petrer
 
Aprende Adwords con @analisisweb
Aprende Adwords con @analisiswebAprende Adwords con @analisisweb
Aprende Adwords con @analisisweb
 
Captación de trafíco cualificado en Internet
Captación de trafíco cualificado en InternetCaptación de trafíco cualificado en Internet
Captación de trafíco cualificado en Internet
 
Turning big data into big value césar hernandez
Turning big data into big value   césar hernandezTurning big data into big value   césar hernandez
Turning big data into big value césar hernandez
 

Último

guerra de ira presentacion power point m
guerra de ira presentacion power point mguerra de ira presentacion power point m
guerra de ira presentacion power point myeimerestibenmuelas
 
EXPOSICION_REGLAMENO_DE_EVALUACIÓN_RM._190.pdf
EXPOSICION_REGLAMENO_DE_EVALUACIÓN_RM._190.pdfEXPOSICION_REGLAMENO_DE_EVALUACIÓN_RM._190.pdf
EXPOSICION_REGLAMENO_DE_EVALUACIÓN_RM._190.pdfRosiClaros
 
Patrones Funcionales de Marjory Gordon.pptx
Patrones Funcionales de Marjory Gordon.pptxPatrones Funcionales de Marjory Gordon.pptx
Patrones Funcionales de Marjory Gordon.pptxErandiCamperoBojorge
 
PA 1 - DERECHO PENAL - JUAN VIDAL DEZA DEZA.pdf
PA 1 - DERECHO PENAL - JUAN VIDAL DEZA DEZA.pdfPA 1 - DERECHO PENAL - JUAN VIDAL DEZA DEZA.pdf
PA 1 - DERECHO PENAL - JUAN VIDAL DEZA DEZA.pdfJuanVidalDezaDeza
 
El uso de las T I C en la vida cotidiana.
El uso de las T I C en la vida cotidiana.El uso de las T I C en la vida cotidiana.
El uso de las T I C en la vida cotidiana.SEAT
 
Fundamentos de Ensamblaje de Sistemas informáticos.pptx
Fundamentos de Ensamblaje de Sistemas informáticos.pptxFundamentos de Ensamblaje de Sistemas informáticos.pptx
Fundamentos de Ensamblaje de Sistemas informáticos.pptxJulian Flores
 
La Electricidad y la Electrónica gabriela (1).pdf
La Electricidad y la Electrónica gabriela (1).pdfLa Electricidad y la Electrónica gabriela (1).pdf
La Electricidad y la Electrónica gabriela (1).pdfelabarbosa396
 
TEORIA CONTINGENCIAL Precursores y Aportes a la Administración
TEORIA CONTINGENCIAL Precursores y Aportes a la AdministraciónTEORIA CONTINGENCIAL Precursores y Aportes a la Administración
TEORIA CONTINGENCIAL Precursores y Aportes a la AdministraciónCUSICANQUIRAMREZLADY
 
644400074-LA-CONSOLIDACION-DE-LA-REPUBLICA-OLIGARQUICA-pdf.pdf
644400074-LA-CONSOLIDACION-DE-LA-REPUBLICA-OLIGARQUICA-pdf.pdf644400074-LA-CONSOLIDACION-DE-LA-REPUBLICA-OLIGARQUICA-pdf.pdf
644400074-LA-CONSOLIDACION-DE-LA-REPUBLICA-OLIGARQUICA-pdf.pdfRosiClaros
 
Tema 2 Arquitectura del computador - Ing David Ribera.ppt
Tema 2 Arquitectura del computador - Ing David Ribera.pptTema 2 Arquitectura del computador - Ing David Ribera.ppt
Tema 2 Arquitectura del computador - Ing David Ribera.pptKerryElSistemaInvher
 
137489674-Regimenes-Tributarios-MYPES-ppt.ppt
137489674-Regimenes-Tributarios-MYPES-ppt.ppt137489674-Regimenes-Tributarios-MYPES-ppt.ppt
137489674-Regimenes-Tributarios-MYPES-ppt.pptALEJANDRAKATHERINESA
 
La Displasia Ectodérmica en Bolivia .pptx
La Displasia Ectodérmica en Bolivia .pptxLa Displasia Ectodérmica en Bolivia .pptx
La Displasia Ectodérmica en Bolivia .pptxcruzjavi733
 

Último (12)

guerra de ira presentacion power point m
guerra de ira presentacion power point mguerra de ira presentacion power point m
guerra de ira presentacion power point m
 
EXPOSICION_REGLAMENO_DE_EVALUACIÓN_RM._190.pdf
EXPOSICION_REGLAMENO_DE_EVALUACIÓN_RM._190.pdfEXPOSICION_REGLAMENO_DE_EVALUACIÓN_RM._190.pdf
EXPOSICION_REGLAMENO_DE_EVALUACIÓN_RM._190.pdf
 
Patrones Funcionales de Marjory Gordon.pptx
Patrones Funcionales de Marjory Gordon.pptxPatrones Funcionales de Marjory Gordon.pptx
Patrones Funcionales de Marjory Gordon.pptx
 
PA 1 - DERECHO PENAL - JUAN VIDAL DEZA DEZA.pdf
PA 1 - DERECHO PENAL - JUAN VIDAL DEZA DEZA.pdfPA 1 - DERECHO PENAL - JUAN VIDAL DEZA DEZA.pdf
PA 1 - DERECHO PENAL - JUAN VIDAL DEZA DEZA.pdf
 
El uso de las T I C en la vida cotidiana.
El uso de las T I C en la vida cotidiana.El uso de las T I C en la vida cotidiana.
El uso de las T I C en la vida cotidiana.
 
Fundamentos de Ensamblaje de Sistemas informáticos.pptx
Fundamentos de Ensamblaje de Sistemas informáticos.pptxFundamentos de Ensamblaje de Sistemas informáticos.pptx
Fundamentos de Ensamblaje de Sistemas informáticos.pptx
 
La Electricidad y la Electrónica gabriela (1).pdf
La Electricidad y la Electrónica gabriela (1).pdfLa Electricidad y la Electrónica gabriela (1).pdf
La Electricidad y la Electrónica gabriela (1).pdf
 
TEORIA CONTINGENCIAL Precursores y Aportes a la Administración
TEORIA CONTINGENCIAL Precursores y Aportes a la AdministraciónTEORIA CONTINGENCIAL Precursores y Aportes a la Administración
TEORIA CONTINGENCIAL Precursores y Aportes a la Administración
 
644400074-LA-CONSOLIDACION-DE-LA-REPUBLICA-OLIGARQUICA-pdf.pdf
644400074-LA-CONSOLIDACION-DE-LA-REPUBLICA-OLIGARQUICA-pdf.pdf644400074-LA-CONSOLIDACION-DE-LA-REPUBLICA-OLIGARQUICA-pdf.pdf
644400074-LA-CONSOLIDACION-DE-LA-REPUBLICA-OLIGARQUICA-pdf.pdf
 
Tema 2 Arquitectura del computador - Ing David Ribera.ppt
Tema 2 Arquitectura del computador - Ing David Ribera.pptTema 2 Arquitectura del computador - Ing David Ribera.ppt
Tema 2 Arquitectura del computador - Ing David Ribera.ppt
 
137489674-Regimenes-Tributarios-MYPES-ppt.ppt
137489674-Regimenes-Tributarios-MYPES-ppt.ppt137489674-Regimenes-Tributarios-MYPES-ppt.ppt
137489674-Regimenes-Tributarios-MYPES-ppt.ppt
 
La Displasia Ectodérmica en Bolivia .pptx
La Displasia Ectodérmica en Bolivia .pptxLa Displasia Ectodérmica en Bolivia .pptx
La Displasia Ectodérmica en Bolivia .pptx
 

Sesión 3 - Presentación.pdf

  • 2. ● ¿Qué es una Segmentación No Jerárquica? y ¿Cuándo usarla? ● Ventajas y Desventajas ● ¿Cómo funciona el método K-means? ● Ejemplo del funcionamiento de K-means ● Selección del número de clusters: Método del Codo ● Proceso recomendado para realizar una Segmentación No Jerárquica ● Ejemplo aplicativo en RStudio 3 DMC Online | Segmentación de Clientes
  • 3. ¿Qué es una Segmentación No Jerárquica? ● En la segmentación no jerárquico los datos se dividen en K particiones o grupos, donde cada partición representa un cluster. ● El número de cluster debe conocerse a priori. ● El método más usado es el de K-means y sus variantes. DMC Online | Segmentación de Clientes
  • 4. ¿Cuándo usarla? ● Útil para explorar, describir y resumir datos de una forma distinta. ● Confirmar (o rechazar) algún tipo de clasificación previa. ● Ayudar a descubrir patrones y relaciones que desconocemos. DMC Online | Segmentación de Clientes
  • 5. Fácil de entender, fácil de adaptar. DMC Online | Segmentación de Clientes Trabaja bien con conjuntos de datos grandes o pequeños, es eficiente y tiene buen desempeño. Ventajas SEGMENTACIÓN NO JERÁRQUICA
  • 6. Necesita que el usuario defina el número de clusters. DMC Online | Segmentación de Clientes Es muy afectado por outlier’s. Desventajas SEGMENTACIÓN NO JERÁRQUICA
  • 7. DMC Online | Segmentación de Clientes ¿Cómo funciona el método K-means? Convergencia: Ya no hay más asignación de individuos a otros clusters INICIO Número de clusters Determinación de Centroides Determinación de la distancia de los individuos a los centroides Agrupamiento basado en mínima distancia ¿Algún individuo se mueve de grupo? Sí FIN No
  • 8. Ejemplo DMC Online | Segmentación de Clientes FUNCIONAMIENTO DEL K-MEANS
  • 9.
  • 10.
  • 11. ● Los comensales van al restaurante más cercano. ● Los restaurantes siempre buscarán reubicarse para estar en el centro de su comensales.
  • 12. ● Los comensales van al restaurante más cercano. ● Los restaurantes siempre buscarán reubicarse para estar en el centro de su comensales.
  • 13. ● Los comensales van al restaurante más cercano. ● Los restaurantes siempre buscarán reubicarse para estar en el centro de su comensales.
  • 14. ● Los comensales van al restaurante más cercano. ● Los restaurantes siempre buscarán reubicarse para estar en el centro de su comensales.
  • 15. ● Los comensales van al restaurante más cercano. ● Los restaurantes siempre buscarán reubicarse para estar en el centro de su comensales.
  • 16. ● Los comensales van al restaurante más cercano. ● Los restaurantes siempre buscarán reubicarse para estar en el centro de su comensales.
  • 17. ● Los comensales van al restaurante más cercano. ● Los restaurantes siempre buscarán reubicarse para estar en el centro de su comensales.
  • 18. ● Los comensales van al restaurante más cercano. ● Los restaurantes siempre buscarán reubicarse para estar en el centro de su comensales.
  • 19. ● Los comensales van al restaurante más cercano. ● Los restaurantes siempre buscarán reubicarse para estar en el centro de su comensales.
  • 20. ● Los comensales van al restaurante más cercano. ● Los restaurantes siempre buscarán reubicarse para estar en el centro de su comensales.
  • 21. ● Los comensales van al restaurante más cercano. ● Los restaurantes siempre buscarán reubicarse para estar en el centro de su comensales.
  • 22. Selección del número de Clusters DMC Online | Segmentación de Clientes
  • 23. Selección del número de Clusters DMC Online | Segmentación de Clientes
  • 24. Selección del número de Clusters MÉTODO DEL CODO DMC Online | Segmentación de Clientes
  • 25. Proceso recomendado DMC Online | Segmentación de Clientes SEGMENTACIÓN NO JERÁRQUICA
  • 26. Ejemplo aplicativo en RStudio En una tienda retail, se tiene la información de la cartera de clientes: • Valor de compra (ticket promedio). • Distancia en km. de su vivienda a la tienda. • Edad. • Línea de crédito en la tienda. Con esta información se requiere encontrar los diferentes segmentos que podrían existir, a fin de crear estrategias comerciales segmentadas para poder aumentar el consumo. DMC Online | Segmentación de Clientes