5.5. : Técnicas de Segmentación.
 
 

Hemos visto algunos ejemplos de técnicas de segmentación, tanto descriptivas, como reductivas, como predictivas, sin embargo existen gran cantidad de técnicas que se pueden utilizar para este tipo de análisis de marketing y segmentación, por lo que desde mi punto de vista lo mejor de cara al correcto desarrollo de este tipo de estudios es el desarrollo de un equipo heterogéneo de profesionales que integren distintos perfiles y conocimientos: Consultores, estrategas, estadísticos, …

5.4. : Técnicas de Segmentación Predictivas: Chaid.
 
 

 Las técnicas de análisis predictivas, serán aquellas que utilicemos para realizar fundamentalmente estudios sobre comportamientos de clientes, y entre ellas destacan los análisis de regresión, chaids y redes neuronales, permitiendo responder a preguntas sobre como son, que necesitan, como responden, y los más importante, como puedo interactuar con ellos de forma óptima.

 
 

Análisis Chaid, is a type of is a type of decision treeCHAID stands for CHi-squared Automatic Interaction Detector, based upon a formal extension of the US AID (Automatic Interaction Detector) and THAID (THeta Automatic Interaction Detector) procedures of the 1960's and 70's, which in turn were extensions of earlier research, including that performed in the UK in the 1950's. technique, based upon adjusted significance testing (Bonferroni testing). The technique was developed in South Africa and was published in 1980 by Gordon V. Kass, who had completed a PhD thesis on this topic. CHAID can be used for prediction (in a similar fashion to regression analysis, this version of CHAID being originally known as XAID) as well as classification, and for detection of interaction between variables.  

 

 

 

 

  Contacto CRM Desarrollo

 

 

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.

 

 

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

5 .2.: Técnicas de Segmentación Descriptivas: Distribución de Frecuencias.
 
 

 

Las técnicas de análisis descriptivas, serán aquellas que utilicemos para realizar estudios simples, de fuentes de información y bases de datos, de tal forma que en este grupo se encuentran por ejemplo los análisis de distribución de frecuencias, las tablas cruzadas o el profiling.

 

 

La Distribución de frecuencias, es como se denomina en estadística a la agrupación de datos en categorías mutuamente excluyentes que indican el número de observaciones en cada categoría. Esto significa una de las cosas más importantes de la matemática, su estadística con la agrupación de datos. La distribución de frecuencias presenta las observaciones clasificadas de modo que se pueda ver el número existente en cada clase.

 Elementos fundamentales para elaborar una distribución de frecuencia:
 

Es una medida de dispersión que se obtiene como la diferencia entre el número mayor y el número menor de los datos.
 

R = N_max - N_min

Ejemplo.

Dados los números: 5, 10, 12, 8, 13, 9, 15

R= 15- 5
 

Simplemente se obtiene sumándole 1 al rango.

AT = (R+1)
 

Están formadas por dos extremos. el menor se llama límite inferior el mayor se llama límite superior. hay distintos tipos de clases.

Ej. Notas (20-26) Edades (20-26.5) Salarios (20-26.99)
 

Se determina a través de la formula de stuger, la cual es válida cuando el No de observaciones sea menor o igual a 500. Formula.

Nc= 1 + 3.33log ( N )

Donde:

Nc es el número de clases. N es la cantidad de muestras tomadas.
 

Se Obtiene por medio de la ecuación de dicta:

Vi = AT / Nc

Donde:

Vi es el valor de intervalo AT es la amplitud total Nc es el número de clase

5 .1: Clasificación de Técnicas de Segmentación.
 
 

Recordemos que habíamos clasificado las distintas técnicas de segmentación de clientes en las siguientes categorías:
   

Las técnicas de análisis descriptivas, serán aquellas que utilicemos para realizar estudios simples, de fuentes de información y bases de datos, de tal forma que en este grupo se encuentran por ejemplo los análisis de distribución de frecuencias, las tablas cruzadas o el profiling.

 

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.

 

Las técnicas de análisis predictivas, serán aquellas que utilicemos para realizar fundamentalmente estudios sobre comportamientos de clientes, y entre ellas destacan los análisis de regresión, chaids y redes neuronales, permitiendo responder a preguntas sobre como son, que necesitan, como responden, y los más importante, como puedo interactuar con ellos de forma óptima.

  Contacto a CRM Desarrollo