Técnicas de segmentación

1.- Técnicas descriptivas

 Análisis de frecuencia
Miden la efectividad y evolución de la actividad en los programas de
fidelización, comunicación, etc. en función de una variable (frecuencia altas,
repuestas, compras, etc.).

 Crosstabs

Tablas cruzadas: Análisis de dos 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.).
  Cluster

Genera grupos de individuos lo más parecidos entre sí y al mismo tiempo lo más

diferente posible de otros grupos, esta técnica multivariable cuyo objetivo es clasificar a
una población amplia en un número de grupos pequeño, mutuamente excluyentes y
exhaustivos, en base a las semejanzas y diferencias de los perfiles existentes entre los
distintos elementos que componen la población.

o No predice comportamiento ni diferencia entre “mejores y peores”

o Se usa para determinar contenidos de comunicación sobre un grupo

homogéneo

El clúster es la técnica utilizada para crear grupos diferentes entre sí, de forma tipológica que
son el resultado de una segmentación geo demográfica y de estilos de vida de las personas. El
criterio con el que está construida es el principio básico de la geo demografía: «las personas que
tienen similar status socioeconómico tienden a vivir en el mismo tipo de entorno urbano y, por
tanto, a reproducir similares estilos de vida y de consumo».

2.- Técnicas semidescriptivas

 Chaid

Un árbol de clasificación de CHAID es un tipo de árbol de decisiones. Utiliza la

detección automática de interacción de chi-cuadrado (CHAID) para clasificar
registros en las categorías del campo objetivo. Las predicciones se basan en
combinaciones de valores en los campos de entrada.
Un árbol de clasificación de CHAID calcula la categoría de destino predicha
para cada nodo del árbol. Este tipo de árbol se genera cuando el campo objetivo
es categórico[ CITATION Vir \l 12298 ]
3.- Técnicas predictivas

 Regresión múltiple

Ayuda a predecir el comportamiento futuro de los clientes basándose en la información

acumulada. Crea modelos de comportamiento e identifica lo que han hecho. Los clientes
con el mismo modelo se presumen harán lo mismo en el futuro.

 RFM (Recencia, Frecuencia y valor Monetario)

o Recencia: periodo en que el cliente ha hecho la última compra. A menor

tiempo transcurrido desde la última compra, más valor

o Frecuencia: número de compras realizadas. A mayor número de

compras, más valor

o Valor monetario: Importe de las compras. Cuanto mayor es el importe,

más valor
  Redes Neuronales

Ayuda a predecir el comportamiento futuro de los clientes basándose en la información

surgida de análisis neuronal. Poco a poco la tecnología permite anticipar los gustor de
los futuros consumidores (y no es ciencia ficción) [ CITATION Elí19 \l 12298 ]

Bibliografía
Bravo, E. A. (2019). El marketing y la cuarta revolución industrial. madrid: ESIC.

Rometty, V. M. (s.f.). IBM. Obtenido de Árbol de clasificación de CHAID:

https://www.ibm.com/support/knowledgecenter/es/SS4QC9/com.ibm.solutions.wa_a
n_overview.2.0.0.doc/chaid_classification_tree.html