JUN10

5.3. : Técnicas de Segmentación Reductivas: Cluster.
10 de junio de 2010, editado por Mateo Rodrigo Guerrero Estebanez

CATEGORIAS: Metidos en harina !! , Algunas Métricas de Segmentación.

5.3. : Técnicas de Segmentación Reductivas: Cluster.

Las técnicas de análisis reductivas, serán aquellas que utilicemos para realizar estudios sobre grupos de clientes, valoración de clientes o asociación de atributos, de tal forma que en este grupo se encuentran por ejemplo los análisis cluster, los scorings, y el análisis de correspondencias que nos permitirán donde se encuentra la empresa, como son sus clientes y potenciales y cuánto valen.

Análisis Cluster, Se utiliza la información de una serie de variables para cada sujeto u objeto y, conforme a estas variables se mide la similitud entre ellos. Una vez medida la similitud se agrupan en: grupos homogéneos internamente y diferentes entre sí.

Fundamentalmente ofrece como ventaja la posibilidad de trabajar con grandes volúmenes de datos, y reducirlos a unos cuantos significativos, aunque no asigna pesos, ni puede ser utilizado para realizar predicciones.

Resulta fundamental un adecuado proceso de selección de variables:

CANTIDAD

No elegir variables indiscriminadamente: RECORDAMOS: cada estructura se manifiesta en una serie de variables y cada grupo de variables revela, sólo, una determinada estructura.

Resultado muy sensible a la inclusión de alguna variable irrelevante.

La inclusión indiscriminada de variables aumenta la probabilidad de atípicos.

TRANSFORMACIÓN

Depende / Afecta a muchas decisiones posteriores (medida de distancia /similitud empleada, por ejemplo).

Estandarización por variable: aunque resulta útil para mediciones posteriores de distancia puede afectar al resultado del análisis y no se recomienda si las diferencias de medidas reflejan alguna cualidad natural de interés conceptual.

Estandarización por encuestado: singular, pero en baterías de indicadores elimina patrones de respuesta en los sujetos, ofreciendo la importancia relativa de cada indicador.

Factorización: puede resultar interesante factorizar previamente las variables y realizar el Cluster con factores en lugar de con variables.

El tipo de escala de medida afectará a fases posteriores del procedimiento.

Accede a Informe interesante:

En lo que se refiere a los estadísticos asociados a este tipo de análisis:

A- CORRELACIÓN: Se traslada el concepto tradicional de covariación, de conexión entre variables, de "pautas" de transición (por ejemplo, el cálculo de un coeficiente de correlación) aplicándolo a las observaciones de los sujetos como si fuesen observaciones de variables.

B.- SIMILITUD / DISTANCIA: Definen proximidad, no Covariación, y su elección (tipos) viene determinada por la escala de medida de las variables: binaria u ordinal o de intervalo/razón.

Medidas de distancia para escalas ordinales, de intervalo o razón; amplia variedad.

Medidas de similitud para variables nominales binarias: reciben el nombre de medidas de asociación.

Contacto CRM Desarrollo