Si 80% de los consumidores prefieren marcas que entregan experiencias personalizadas, entonces una herramienta muy útil que nos permita realizar recomendaciones relevantes es la realización de segmentación de clientes junto con un Market Basket Analysis.
Lo que hacemos es combinar los datos de comportamiento de compra de los clientes y los productos que compran, de esta forma comprendemos en profundidad al cliente, lo que nos permite cautivarlos y encantarlos con experiencias de compra personalizadas.
En este caso les mostraré una forma avanzada de realizar este análisis que involucra una doble segmentación.
Para realizar este análisis utilizaremos una base de datos transaccional general, que cuenta con número de factura, código y descripción del producto comprado, cantidad comprada, fecha de compra, precio unitario y venta total.
Clustering de Productos
Comenzamos realizando una segmentación morfológica a partir de la descripción de los productos. Es decir, haremos un estudio de las estructura internas de las palabras que describen los productos y las agruparemos en diferentes categorías.
A partir de cada palabra que integra la descripción de cada producto haremos una tabla. Cada producto que tenga determinada palabra tendrá un “uno” y si el producto no tiene la palabra, tendrá un “cero”.
Ahora con estas palabras como variables explicaremos el comportamiento de compra de los clientes y a través de clustering de productos crearemos diversas categorías de productos.
Al tener creadas las categorías, graficaremos en un cloud con el fin de identificar las palabras más frecuentes mencionadas en cada categoría.
Análisis de Clientes
En esta etapa lo que hacemos es unir el Análisis RFM (recencia, frecuencia y monto de compra) con el clustering de productos realizado anteriormente para llegar a una tabla como la siguiente:
Con este doble clustering logramos obtener 6 segmentos de clientes, distinguibles y diferenciados que se obtuvieron finalmente a partir las variables de recencia, que se refiere hace cuántos días fue la última compra, frecuencia, cantidad de órdenes compradas, el monto total de compras y los productos que se han comprado.
A continuación podemos ver cada segmento creado en un gráfico de radar.
Si observamos el primer segmento enmarcado en rojo, podemos notar que tienden a comprar productos asociados a las categorías “0” y “2” y que además se destacan por tener una alta frecuencia de compra y sus montos de compra totales son altos.
Por lo tanto, este tipo de doble segmentación nos permitirá realizar recomendaciones de productos alineadas con sus compras, como también realizar promociones o descuentos con el fin de aumentar la frecuencia de compra.
Predicción de Cliente
Lo que buscamos es que a partir del detalle de la compra de productos descritos en una factura, podamos ser capaces de predecir a qué segmento pertenece el cliente nuevo que acaba de comprar. A partir de esa información somos capaces de predecir con machine learning a qué segmento pertenece ese cliente y realizar una recomendación de productos en base a lo que compró.
Con este dashboard interactivo alguien no técnico de ventas podrá ser capaz de ingresar el número de factura en el dashboard, y con esa información predecirá el segmento al cual pertenece ese cliente, además indica el valor de la factura y si ese valor está sobre o bajo el promedio. Junto con esto indica cuántas compras ha realizado y si está bajo o sobre el promedio de órdenes solicitadas.
A partir del segmento predicho realiza la recomendación de productos, basado en compras de clientes similares.
Conclusión
La segmentación de clientes con análisis RFM unido con el clustering de productos se transforma en una herramienta tremendamente valiosa para el área comercial de cualquier empresa que quiera mejorar sus estrategias de marketing y obtener una ventaja competitiva. Hoy en día es extremadamente relevante ofrecer experiencias personalizadas y efectivas a sus clientes y este tipo de herramienta de análisis avanzado es una de las buenas soluciones.
Si necesitas desarrollar e implementar soluciones de analítica avanzada como ésta, escríbenos a contacto@datainsights.cl. Siempre estamos dispuestos a aclarar tus dudas y ayudarte a comprender cómo otras empresas han logrado superar desafíos similares.