Minería de datos para segmentación de clientes en la empresa tecnológica Master PC.

Abstract

La Minería de Datos aplicada en el ámbito de la comercialización permite entre otros aspectos descubrir patrones de comportamiento de clientes, que las empresas pueden utilizar para elaborar estrategias de marketing dirigidas hacia los distintos tipos de clientes que poseen. El agrupamiento o clustering representa una de las técnicas de Minería de Datos más utilizada para este tipo de análisis, esta técnica se basa en la división de un conjunto de datos en pequeños segmentos o grupos, en donde cada segmento contiene datos similares dentro de sí y mantiene una marcada diferencia con respecto a los otros segmentos. El presente Trabajo de Titulación tiene por objetivo obtener la segmentación de clientes en la empresa tecnológica Master PC mediante la aplicación de técnicas de Minería de Datos, para ello se tomó en cuenta el comportamiento de compra, que permitió identificar la lealtad de los clientes de la empresa tecnológica Master PC. Se aplicó la metodología CRISP-DM para el proceso de Minería de Datos. El análisis se realizó en base al modelo RFM (Recencia, Frecuencia, Valor Monetario), y sobre este modelo se aplicaron los algoritmos de agrupamiento: k-means, k-medoids, y Self-Organizing Maps (SOM). Para validar el resultado de los algoritmos de agrupamiento y seleccionar el que proporcione grupos de mejor calidad, se ha aplicado la técnica de evaluación en cascada aplicando un algoritmo de clasificación. Finalmente se utilizó el algoritmo Apriori para encontrar asociaciones entre productos, para cada grupo de clientes. La herramienta utilizada para el proceso de Minería de Datos fue el entorno RStudio.