IEDGE – Segmentación por comportamiento de compra, segunda parte


Continuando con el post anterior sobre Segmentación por comportamiento de compra, a continuación vamos a ver otras técnicas que nos ayudan a segmentar, analizar y conocer a los clientes.

1.- Crosstabs – Tablas de Contingencia

Nos indica cómo se distribuyen los segmentos o cluster en cada una de las variables que pueden ser: sexo, edad, ocupación…, en las tablas que podemos ver a continuación hemos identificado 7 segmentos, pero debemos ir más allá y conocer las características de estos segmentos (cluster), para ello tendríamos que realizar un análisis de tablas de contingencia.

Análisis de variables que describe a los clientes, y nos ayuda a controlar la evolución de la actividad (distribución por sexo-edad, distribución geográfica clientes y no clientes, etc.)

En la tabla de debajo, en rojo, podemos ver que hay 3 individuos en el segmento o cluster 1, dentro del intervalo de edad que comprende de los15 a los 20 años. Además, vemos que en el segmento 2, hay una agrupación de individuos en el intervalo comprendido entre 21 años a 55 años. En el segmento 3, observamos otra agrupación en el rango de edad de15 a 25 años. Por último en el segmento 4, dentro de la edad de36 a 45 años, la tabla nos muestra que este intervalo representa el 49,5% del total de individuos comprendidos en el citado rango de edad.

Esta información nos proporciona el POSICIONAMIENTO de nuestros clientes.

2.- CHAID (CHi- Squared Automatic Interaction Detector)

Genera segmentos por variables más discriminantes, y los diferencia de otros ayudando a identificar los mejores y lo peores.

Modelo de análisis del comportamiento de respuesta y compra utilizado habitualmente para mejorar la segmentación, y realizar una combinación de factores.

Es especialmente útil por poder trabajar con reglas categóricas (frente a la preferencia en regresión de variables continuas), y recoger la interacción de factores típica de clusters que recogen a clientes con características afines que los hacen realmente diferentes en su comportamiento.

Una vez seleccionadas las variables discriminantes por el modelo, identifica de forma habitualmente jerárquica las variables que mejor explican las diferencias en respuesta, y obtiene las diferencias en respuesta significativas entre los diferentes grupos obtenidos.

Las diferencias entre los diferentes segmentos se traducen en lo que se denomina cuadro de ganancias entre los resultados obtenidos en cada celda respecto a la media global dela población. Podemosver un ejemplo inmediato referido a un modelo aplicado:

Genera segmentos por variables más discriminantes y los diferencia de otros ayudando a identificar los mejores y lo peores.

http://www.youtube.com/watch?v=ybkocyEQ5ys

Categorías Utilizadas

Leyenda del Chaid

 

ESTADÍSTICA RESULTANTE SEGMENTACIÓN CHAID

*GAIN= % Respuestas de cada segmento dividido por la Respuesta general en este caso 12,74%

PERFILES DESCRIPTIVOS DE LOS SEGMENTOS CHAID

¡Sigan atentos!

 

Hugo Cuervo

Profesor de Dirección de Marketing

Nota: Para aprender de una forma práctica y rápida como poner en marcha, desarrollar y controlar planes de marketing relacional y de fidelización totalmente efectivo y eficaces, les invitamos a que consulten la Especialidad Europea en Marketing Relacional.

* Los contenidos publicados en este post son responsabilidad exclusiva del Autor.

¡Pronto grandes sorpresas en Facebook, Twitter y Youtube!:

  • Síganos en Twitter
  • Hágase fan en Facebook (IEDGE – The European Business School es la Escuela de Negocios en español con mayor número de fans.. ¡Averigüe por qué!.-
  • Acceda a nuestros videos en Youtube
Abrir Whatsapp
¿Cómo podemos ayudarte?
© IEDGE AI Business School
Soy Laura Rodríguez, del Dpto. de Admisiones de IEDGE AI Business School. ¿Cómo puedo ayudarte?