Scarica esempio
Transcript
Scarica esempio
pieroit.org – data science on demand Segmentazione della clientela Segmentazione dei clienti – demo Il presente report è ottenuto da un open dataset di esempio riguardante i clienti di un supermercato. La Segmentazione permette di raggruppare una serie di osservazioni in categorie, puramente a partire dai dati disponibili. Il metodo deriva dal machine learning e permette un approccio scientifico al marketing e al decisionmaking. Nella prima parte del report vedremo come sono distribuite le variabili più importanti del dataset, nella seconda i risultati della Segmentazione. 1 - Distribuzione delle singole variabili Le variabili prese in considerazione per la generazione dei segmenti sono: • gender (sesso): Nel dataset originario M vs. F, la variabile è qui vettorizzata in modo da occupare una sola dimensione nel modello con range [0,1]. 0 = femmina, 1 = maschio. La distribuzione non mostra prevalenza di una delle due categorie. pieroit.org – data science on demand Segmentazione della clientela • houseowner (casa di proprietà): Nel dataset originario Y vs N, la variabile è qui vettorizzata in modo da occupare una sola dimensione nel modello con range [0,1]. 0 = non possiede casa, 1 = possiede casa. Il 60% dei clienti possiede una casa. • marital_status (stato civile): Nel dataset originario M vs S, la variabile è qui vettorizzata in modo da occupare una sola dimensione nel modello con range [0,1]. 0 = non sposato, 1 = sposato. La distribuzione non mostra prevalenza di una delle due categorie. pieroit.org – data science on demand Segmentazione della clientela • country (nazione di provenienza): I valori sono USA, Mexico e Canada. Il dataset contiene perlopiù clienti americani, accompagnati da un 30% percentuale di Messicani e Canadesi. • sales (acquisto): Nel dataset originario è il valore in dollari della spesa complessiva effettuata dal cliente. La variabile è stata discretizzata in due valori (purchase vs. no purchase) per distinguere gli utenti occasionali (entrati poche volte nel supermercato) da quelli regolari, i secondi essendo più profittevoli. La maggior parte dele spese ricade sotto la somma dei 300$ (nota logaritmo sull'asse dell y). pieroit.org – data science on demand Segmentazione della clientela 2 - Segmenti individuati 1 – Marito affermato non americano. Il cliente appartenente a questo segmento è maschio, sposato e molto probabilmente possiede casa. La caratteristica che più distingue questo segmento dal resto è il non essere americano. Il segmento più simile per sesso, casa e stato civile è il 4, con la differenza che in quel caso si tratta di americani che non hanno fatto acquisti. 2 – Coppie sposate americane. Il secondo segmento è composto di soggetti americani sposati, di ambo i sessi e che possono possedere o meno una casa. 3 – Scapolo americano. Il terzo segmento è composto da soggetti americani maschi e non sposati. pieroit.org – data science on demand Segmentazione della clientela 4 – Marito affermato americano. Segmento molto simile al primo per sesso, casa di prorpietà e stato civile. Le due differenze stanno nel fatto che in questo caso si tratta prevalentemente di soggetto americano che non ha effettuato acquisti. Consulenza • Differenziare il marketing e i podotti secondo 3 filoni, corrispondenti rispettivamente ai segmenti 1, 2, 3: 1. Fuori dagli USA il target è maschio, è sposato e possiede casa. Lo stesso profilo anagrafico non è profittevole in USA (vedi segmento 4). 2. Coppie sposate americane, senza assumere che abbiano già comprato casa. 3. Maschio single americano, senza assumere che abbia comprato casa.