Implementación de un modelo de clusterización para la segmentación del perfil del cliente en el área comercial de supermercados

Abstract

Actualmente, la abundante cantidad de datos que se tienen de clientes en las distintas empresas y el incremento en el uso de la tecnología han generado interés por profundizar la investigación sobre ello, además de desarrollar algoritmos y modelos para análisis de agrupamiento. Los modelos de clustering dirigidos al agrupamiento de clientes permiten a las organizaciones encontrar perfiles y patrones de servicios o compra, los cuales permiten generar estrategias para tomar mejores decisiones en la publicidad y canales con sus clientes. En la presente investigación, se realiza el análisis RFM (Recencia, Frecuencia y Dinero) para identificar los perfiles de clientes en un supermercado en base a sus iteraciones; luego, se emplea el algoritmo k-means para obtener los clústers adecuados y así identificar a los clientes potenciales. El objetivo de esta investigación es desarrollar un modelo de clusterización y generar la segmentación de clientes para el área comercial en un supermercado. Como resultado se tuvo que, a la hora de determinar qué tan leal es un cliente se obtuvo los siguientes perfiles: mejores clientes, clientes leales, los más gastadores, los casi muertos, los perdidos y los perdidos que son baratos; mientras que, el número óptimo de clústers o segmentaciones de clientes son dos, ya que gracias al Coeficiente de Silueta se determinó como valor de predicción un 84%.