Metricarts

Noticias

Encontrando perfiles de Clientes
Publicado por admin_metricarts
el Martes 20 de Septiembre de 2011
No hay comentarios

http://www.mer.cl/modulos/catalogo/Paginas/2011/08/27/MERSTEB014BB2708.htm

Actualmente, es usual encontrarse con empresas que cuenten con una o más formas de segmentación de sus clientes. Dentro de estas, encontramos aquellas que explotan principalmente la dimensión demográfica, utilizando variables como edad, sexo, ingreso u ocupación. Otras incorporan elementos transaccionales, como por ejemplo ocasión de consumo, frecuencia de uso y fidelidad. Con menos frecuencia se encuentran aquellas que incluyen variables psicográficas como puede ser la aversión al riesgo, liderazgo, introversión o la tendencia a la adopción temprana de tecnologías.

Sin embargo, cabe siempre la pregunta de si es una u otra forma la indicada para segmentar una cartera o si es esta forma la que mejor puede clasificar clientes en categorías.

En este contexto, es importante destacar que cualquier forma de segmentación debe cumplir al menos con dos criterios: primero, asegurar la generación de grupos en los cuales sus miembros compartan un cierto número de atributos y segundo, que a la vez estos sean lo más distinto posible de los atributos característicos de los otros segmentos. Una simple segmentación por rango de edad, por ejemplo, cumple con ambos requisitos, al generar grupos homogéneos en términos de edad, que a la vez son suficientemente distintos al resto de los grupos. No obstante, es evidente en este caso, que dentro de cada grupo quedan aún diversos perfiles presentes, por ejemplo, los distintos sexos, por lo que no podemos hablar de una alta homogeneidad de los grupos resultantes, más allá de lo que puede explicar la variable rango de edad.

Cómo hacerlo

La forma usual de abordar este problema es ir sucesivamente incorporando variables que ayuden a mejorar la homogeneidad de los grupos resultantes, sin embargo, esta búsqueda puede ser muy larga, dependiendo de la cantidad de variables que queramos incluir en la segmentación y la forma de combinarlas para seleccionar solo las mejores, y más aún, careceríamos de una manera de poder discernir entre dos formas de segmentación.

Es precisamente en estos casos en que la estadística, y en particular la minería de datos, resulta ser una herramienta muy potente para realizar eficientemente esta búsqueda, y a la vez determinar las mejores variables para hacerlo. Por otro lado, la minería de datos, introduce el concepto de distancia multivariada entre segmentos, permitiéndonos discriminar entre formas de segmentación.

La gran virtud de la minería de datos es permitir dar objetividad a varios paradigmas en una organización, no obstante, es siempre fundamental conciliar estos resultados con el conocimiento experto del negocio, de manera de darles un sentido global y de negocio que permita mejorar los resultados de las acciones que de esto se desprendan.

Deja un comentario

Su correo nunca será publicado o compartido. Los campos obligatorios están marcados *

    *

Reducción de incertidumbre basada en información

Related posts

No hay artículos relacionados

Customers