Parte V · Machine Learning

15 · ¿Se pueden segmentar los clientes?

La técnica habitual es RFM: describir a cada cliente por su Recencia (cuánto hace de su última compra), su Frecuencia (cuántas veces compra) y su Monetario (cuánto gasta) y dejar que un algoritmo como K-Means agrupe a los parecidos. Antes de entrenar nada hay que comprobar dos condiciones: que se sepa quién es cada cliente y que los clientes repitan.

12.953
correos distintos
ventas válidas
5.035
correos usados por varias personas
hasta 7 por correo
97
nombres que aparecen dos veces
97 con teléfonos distintos
100 %
personas con una sola compra
por nombre y teléfono
Primera condición: no hay una clave de cliente en el fichero
Agrupar por correo junta a personas distintas: 5.035 direcciones las usan varios nombres. El nombre tampoco sirve: de los 97 nombres que aparecen en dos ventas, 97 llevan un teléfono distinto en cada una. Son personas distintas con el mismo nombre, no clientes que repiten.
Segunda condición: nadie repite
Contando por nombre y teléfono hay 19.984 personas para el mismo número de ventas válidas: el 100 % compra una sola vez. Sin repetición, la Frecuencia es la misma para todos y la Recencia es solo la fecha de esa compra. K-Means siempre devuelve grupos, pero aquí describirían cómo divide los datos el algoritmo y no cómo son los clientes.
Conclusión y lo que haría falta
Con este fichero la segmentación de clientes no es viable y entregar segmentos sería entregar un resultado falso. Para hacerla haría falta un identificador de cliente asignado en origen y varios años de compras repetidas. Es una de las recomendaciones.

Siguiente: ¿se puede predecir? →

Las técnicas de agrupamiento, vistas sobre esta tabla

Sin clave de cliente no hay segmentos que entregar, pero las técnicas se pueden explicar igualmente. Estas páginas las aplican a la tabla agrupada por correo, sabiendo que sus grupos no son clientes.