¿Cuál es la mejor herramienta para la segmentación de clientes?

Question

Tengo un conjunto de datos de clientes con los siguientes datos:

• El número de compras que ha realizado cada cliente
• La fecha en que realizaron cada compra
• La fecha en que se inscribieron
• La cantidad que gastaron en cada compra

Quiero segmentar a mis usuarios en tres grupos:

• Grandes clientes
• Ok Clientes
• Clientes malos

¿Existe alguna herramienta que pueda utilizar (método estadístico o herramienta de software) que analice todas las variables y cree las segmentaciones? Tengo Stata y Excel, pero su respuesta no tiene por qué limitarse a ellos.

Answer 1

El análisis de supervivencia del LTV (valor de vida) es un buen punto de partida. Es bastante básico, pero hace el trabajo. Pero hay un montón de trabajo de inteligencia empresarial que podrías hacer con lo que tienes. Si tienes tasas de respuesta a los anuncios y demás, también podría proporcionarte una buena forma de ver la eficacia.

Estoy de acuerdo con rolando2, lo bueno, lo malo y lo feo - estar definido matemáticamente, es un reto. Especialmente si no hay ningún elemento de comportamiento o secundario en tus datos que no sean las compras, incluso algo tan simple como el código postal podría añadir una información fantástica a tus datos para entender cosas como el lugar de compra (si es una tienda). Supongo que podrías segmentar por percentiles de LTV... 30%, 50%, 80% (siguiendo la regla comercial 80/20...).

En términos de software, no tengo ni idea de cómo hacer esto en Excel o STATA. Pero, para R hay una introducción mixta y un ejemplo de análisis de supervivencia utilizando el survival paquete aquí: http://www.stats.uwo.ca/faculty/jones/survival_talk.pdf de Bruce Jones en la Universidad de Western Ontario. Soy canadiense, demándame.

En su ejemplo, la Muerte, sería algo así como su tiempo medio entre compras identificado en los datos como 0 o 1 si la observación hizo la compra en el último tiempo medio entre compras . A algunas personas les gusta configurar esto como "Purchased in Last 3 Months"... pero obviamente es diferente para cada tipo de negocio. Usted no compraría un coche cada mes, ¿verdad? Así que es una decisión de juicio en su extremo.

Por lo demás, hay muchas cosas interesantes que se pueden hacer con los datos desde la perspectiva de la inteligencia empresarial. El precio medio de las compras, el número de artículos comprados en una tienda, o los banners en un sitio web si se conoce la hora a la que se colocó el anuncio o la pila .... son sólo algunos ejemplos.

Answer 2

Me temo que está confundiendo los programas informáticos y los algoritmos estadísticos con seres pensantes y con capacidad de juicio. Ninguna herramienta puede darte lo bueno, lo malo y lo feo. Tendrá que ejercer su propio juicio en el camino. Lo que necesitas no es tanto una herramienta como unos criterios bien pensados para clasificar a cada cliente. Después, el resto es una cuestión de mecánica, o de seguimiento.

Answer 3

Sugeriría que, con sus limitados datos (y quizás con su limitada experiencia con la agrupación), simplemente cree un RFM codificación y separar en los tres contenedores que desee. Por lo demás, el análisis de conglomerados sobre los datos es un método básico para la segmentación de clientes basado en variables transaccionales (por supuesto, sus datos tienen que convertirse en medidas como la distancia entre compras, la permanencia y la recencia de la compra).

Answer 4

En general, estoy de acuerdo con rolando2. Sin embargo, si estás interesado en la categorización no supervisada, existen métodos que pueden proporcionarte grupos no etiquetados de tus datos. Uno de estos métodos es el proceso de dirichlet latente (LDA) que se ha utilizado para el descubrimiento automático de temas. K-Means puede ser un método que se ajuste mejor a sus necesidades, especialmente porque conoce el número de categorías que espera.

Answer 5

Una forma de abordar esto es construir un modelo de probabilidad de los datos de los clientes. Si se conoce el comportamiento de los clientes, se puede modelar y predecir quiénes son los más valiosos.

Por ejemplo, se podría suponer que los clientes realizan compras a un ritmo constante hasta que "mueren". Este es el tipo de análisis de supervivencia que mencionó Brandon. También se pueden elaborar modelos más sofisticados que tengan en cuenta la heterogeneidad de las tasas de compra y muerte.

Ya que pregunta por las herramientas de software, también me gustaría sugerirle que visite mi empresa, Custora . Utilizamos algunas versiones más sofisticadas de los modelos que he descrito anteriormente para predecir el valor de vida de los clientes basándonos en los registros de transacciones. Uno de los análisis que ofrecemos es la segmentación de clientes.