Segmentación de clientes de un casino utilizando el algoritmo partición alrededor de medoides (PAM) con datos mixtos

Abstract

En la actualidad, la gran cantidad de datos que se almacenan de los clientes en las diferentes empresas y la capacidad de procesamiento que brindan las computadoras, han generado gran interés por investigar; así como, desarrollar métodos y algoritmos para el análisis de agrupamiento. Los métodos de agrupamiento dirigidos a la segmentación de clientes permiten a las empresas identificar los patrones y perfiles de compra o servicios, ayudando a tomar mejores decisiones de las estrategias de canales y publicidad para sus clientes. En la presente investigación se aplica el método de agrupamiento basado en las particiones de k-Medoides con el algoritmo PAM (Partición Alrededor de Medoides). El algoritmo PAM se basa en particionar el conjunto de datos en k grupos, donde k es conocido; es considerado más robusto ante datos atípicos y el ruido, se basa en minimizar la suma de disimilitudes entre un objeto y el Medoide (centro del grupo). El objetivo de la presente investigación es aplicar el algoritmo PAM para segmentar a los clientes de un casino con los datos obtenidos, a través del uso de tarjetas en el tragamonedas. El método de la silueta permitió identificar tres clústers como el número óptimo. El análisis de agrupamiento con el algoritmo PAM usando la medida de distancia Gower, resultó la segmentación de clientes para los tres clúster con porcentajes de 49.4%, 11.3% y 39.4% respectivamente. La agrupación fue validada, al obtener para las 6 variables cuantitativas todos los ANVAs significativos y con el árbol de clasificación C5.0 un 99.35% de precisión. Los resultados de la caracterización muestran que el clúster 1 son clientes con valores de los promedios para las 6 variables en un nivel intermedio, el 67.0% son hombres y 100% el tipo de tarjeta es classic. En el clúster 2 están los clientes con los valores más altos en los promedio de las 6 variables, el 59% son hombres y el 100% usan la tarjeta silver. En el clúster 3, se encuentran los clientes con los promedios más bajos, el 64% son hombres y el 100% usan tarjeta classic

Currently, the large amount of data stored by customers in different companies and the processing capacity provided by computers have generated great interest in research; as well as, develop methods and algorithms for grouping analysis. Clustering methods aimed at customer segmentation allow companies to identify patterns and profiles of purchase or services, helping them to make better decisions on channel and advertising strategies for their clients. In the present investigation the grouping method based on the partitions of k-Medoids with the PAM (Partition Around Medoids) algorithm is applied. The PAM algorithm is based on partitioning the data set into k groups, where k is known; is considered more robust to atypical data and noise, is based on minimizing the sum of dissimilarities between an object and the Medoid (center of the group). The objective of this research is to apply the PAM algorithm to segment the customers of a casino with the data obtained, through the use of cards in the slot machine. The silhouette method allowed to identify three clusters as the optimal number. The cluster analysis with the PAM algorithm using the Gower distance measure, resulted in the segmentation of clients for the three clusters with percentages of 49.4%, 11.3% and 39.4% respectively. The grouping was validated, obtaining all the significant ANVAs for the 6 quantitative variables and 99.35% accuracy with the C5.0 classification tree. The results of the characterization show that Cluster 1 are clients with averages values for the 6 variables in an intermediate level, 67.0% are men and 100% the card type is classic. In Cluster 2 there are the clients with the highest values in the average of the 6 variables, 59% are men and 100% use the silver card. In Cluster 3, customers with the lowest averages are found, 64% are men and 100% use classic cards