Ejemplo de segmentación de clientes y profiling a través de la ciencia de datos.

1. Come, duerme, analiza,
segmenta y repite.
Ejemplo de segmentación de clientes y profiling a través de la
ciencia de datos.
Moyocoyani Molina Espíritu
https://sg.com.mx/dataday
#DataDayMx

2. CUSTOMER
EXPERIENCE
¿Porqué es importante
en México?

3. ¿Es importante la experiencia del
cliente?
88%
89%
87%
https://pwc.to/2W6jwMU

4. ¿Dejaría de interactuar después de varias malas
experiencias?
¿Dejaría de interactuar después de una
primera mala experiencia?
MEX
RoW
MEX
RoW
41
%
47%
45
%
34%

5. EAT SLEEP ANALYZE SEGMENT
REPEAT
by
Moyocoyani Molina Espíritu

6. ¿Quién es tu cliente?
? ?

7. ¿Cómo conocer a tu cliente?

8. La creación de
personas (y
protopersonas),
además de ayudarte a
conocer a tu cliente, te
permite darle una
cara, y crear empatía
Personas y protopersonas

9. Clart Kenk
Edad:
Profesión:
Estatus:
Ciudad:
32
Reportero de SG
Casado
Metrópolis
Motivaciones
Familia
Honor
Crecimiento
Justicia
FamaFuerteAmigable
Personalidad
Extrovert.
Emoción
Crítico
Introvert.
Analítico
Perceptivo
Metas
Frustraciones
Bio
Tecnología
Productos
Hacer de este planeta un mejor
planeta
Una maldita roca de color verde
Clart es un reportero de tecnología,
y los últimos meses ha buscado en
internet “Cómo pasar desapercibido
usando gafas únicamente”
Software
Redes Sociales

10. What
I
reall
y see

11. RPG Persona
Select your
class:
• Paladin
• Monk
• Warlock
• Wizard
• Mage
• Berserker
• Fighter
Select your
customer:
• New
• Loyal
• High Spender
• About to Sleep
• Hibernate
• Champion
• Lost
What
I
reall
y see

12. Tablero de
control.
Puede elegir
el tipo de
cliente
Se customizan los atributos
personales y profesionales.
Son dependientes del tipo de
cliente

13. Detrás de cámaras.
Creación de personas desde el paradigma data-driven

14. ¿Quién es?
Hábitos de
consumo
Creando un perfil más
detallado tendrás una
mejor historia que
contar sobre tus
personas

15. Existe un espacio Ω
Detalles teóricos
Con una métrica s, donde
ds 0 cuando dos clientes
sean similares
ds 0
Vector “aspiracional”
*Ciclo de vida del cliente

16. ¿Cómo explorar el hiperespacio de
clientes?
Análisis
RFM
T-SNE

17. Análisis RFM. Sencillo y
poderoso

18. Mínimo
Q1 (percentil 25)
Mediana (percentil 50)
Q3 (percentil 75)
Máximo

19. 1 2 3 4 5
¿Elefante?
Asignación de un Score

20. Recency
(¿Cuánto tiempo ha transcurrido?)
Frequency
(¿Cuánto ha conseguido?)
Monetary
(¿Cuánto ha gastado?)
1 2 3 4 5
5 4 3 2 1
1 2 3 4 5
R
F
M

21. Recency
(¿Cuánto tiempo ha transcurrido?)
Frequency
(¿Cuánto ha conseguido?)
Monetary
(¿Cuánto ha
gastado?)
R
F
M

22. R
F
M
125 aristas
11-12
grupos
diferentes
Segmentación
por
comportamiehttps://bit.ly/2Fjqp7X
Quieres ver como crear el dataset de
entrenamiento y entrenar tu
clasificador, click aquí:

23. https://www.putler.com/rfm-analysis/

24. ¿Quién es?
Hábitos de
consumo
Creando un perfil más
detallado tendrás una
mejor historia que
contar sobre tus
personas

25. Segmentando los clientes.
T-SNE y un vistazo del
hiperespacio

26. 1D
2D
3D
4D
N ACU
R
S
E OFDI
M
E
S
I
O
N
LI
T
Y

27. Flatland
Inspirado en Kaku, M. (2016). Hyperspace: A scientific odyssey through parallel
universes, time warps, and the tenth dimension. Oxford University Press.

28. PCA T-SNE

29. https://bit.ly/29jRt4m
SNE
Stochastic Neighbor Embedding
𝑝𝑖𝑗 =
𝑒𝑥𝑝 − 𝑥𝑖 − 𝑥𝑗
2
/2𝜎2
𝑘≠𝑙 𝑒𝑥𝑝 − 𝑥 𝑘 − 𝑥𝑙
2/2𝜎2
𝑞𝑖𝑗 =
𝑒𝑥𝑝 − 𝑦𝑖 − 𝑦𝑗
2
𝑘≠𝑙 𝑒𝑥𝑝 − 𝑦 𝑘 − 𝑦𝑙
2
𝐾𝐿 𝑃||𝑄 =
𝑖 𝑗
𝑝𝑖𝑗 𝑙𝑜𝑔
𝑝𝑖𝑗
𝑞𝑖𝑗
𝑝𝑖𝑗 =
𝑘≠𝑙 𝑒𝑥𝑝 − 𝑥 𝑘 − 𝑥𝑙
2/2𝜎2𝑝𝑖𝑗 =
𝑘≠𝑙 𝑒𝑥𝑝 − 𝑦 𝑘 − 𝑦𝑙
2
𝑞𝑖𝑗 =
𝑒𝑥𝑝 − 𝑦𝑖 − 𝑦𝑗
2
𝑘≠𝑙 𝑒𝑥𝑝 − 𝑦 𝑘 − 𝑦𝑙
2
*Los ejemplos obedecen al caso simétrico

30. ¿Quién es?
Hábitos de
consumo
Creando un perfil más
detallado tendrás una
mejor historia que
contar sobre tus
personas

31. Juntando ambas
segmentaciones

32. ¿Quién es?
(T-SNE-Unsupervised
Learning)
Hábitos de
consumo
(Análisis RFM)
Creando un perfil más
detallado tendrás una
mejor historia que
contar sobre tus
personas

33. Dataset
jerárquico
• Cliente Leal
• Cliente Perdido
• Cliente Nuevo
• Cliente
Compulsivo

34. • Cliente Leal
• Cliente Perdido
• Cliente Nuevo
• Cliente
Compulsivo
Dataset
jerárquico

35. Recuerda
que los
clientes no
son entes
estáticos
Detalles de contacto
Twitter: @MoiYo
Linkedin: linkedin.com/in/moyocoyanimolina
Medium: Moyocoyani Molina
Github: moyocoyani
Kaggle: alchemsp3
Mail: moyocoyani.molina@Gmail.com
Moyocoyani Molina