Segmentación de clientes de una empresa utilizando recencia, frecuencia, monto (rfm) y métodos de clustering

El presente trabajo tiene como propósito crear una solución computacional para analizar bloques de datos y organizarlos de una manera para poder sacar el máximo potencial. En nuestro caso, haremos un análisis sistemático de datos sobre transacciones de venta, con el fin de obtener una segmentación basada en el comportamiento de cada uno de los clientes, a través de un algoritmo de clustering. Previo a esto, se implementará el método RFM con el fin de discretizar las variables y facilitar la implementación del clustering, pues es mucho más sencillo encontrar puntos de corte cuando las variables son discretas. Una de las ventajas que tiene hacer una segmentación de usuarios utilizando RFM es que se trabaja con información del día a día de la empresa, se trabaja con información esencial de la venta, lo cual hace viable su implementación sin tener que pasar por una etapa extensa de levantamiento de información. La importancia de tener una segmentación de clientes es fortalecer la relación cliente-empresa, con el fin de tener un trato más personalizado y atender puntualmente las necesidades de cada cliente. Una segmentación de clientes basada en variables globales también da pie a una futura segmentación más específica utilizando otras variables históricas como la edad del cliente, el tipo de producto que compró, la periodicidad de compra, etc

• Autores: Roncallo Mulford, Daniel Enrique; Acevedo Callejas, Alberto; Arango Mendoza, Adriana
• Fecha de publicación: 2022
• Institución: Universidad del Norte
• Repositorio: Repositorio Uninorte
• Idioma: spa
• OAI Identifier: oai:manglar.uninorte.edu.co:10584/10535
• Acceso en línea: http://hdl.handle.net/10584/10535
• Palabra clave: Marketing segmentation; Customer segmentation; RFM; Clustering; Machine learning; Unsupervised learning; Data Drift; Feature Engineering; PCA; Ground truth
• License: Universidad del Norte