Agrupamiento (clustering)
Clustering
¿Qué es el agrupamiento?
- Agrupar lo similar sin respuestas correctas
- Descubrimiento de grupos y patrones ocultos
- Uso en la segmentación de clientes
Al introducir el agrupamiento, cambia quién decide la pregunta «¿cómo dividir a los clientes?». Antes, el equipo de planificación creaba primero casilleros con ejes ya conocidos, como edad, región o nivel, y metía a los clientes en ellos. El agrupamiento invierte el orden: deja que los datos propongan primero el eje de división. Así aparecen agrupaciones que nunca se habrían imaginado en la sala de reuniones, como «quienes compran pequeñas cantidades desde el móvil a altas horas de la noche», en lugar de «mujeres de 30 años». No es una herramienta para verificar hipótesis, sino para generarlas, y esa es la mayor diferencia que se nota en la práctica.
Cada algoritmo tiene un carácter distinto. K-means es rápido, pero hay que fijar a mano el número de grupos K y supone grupos de forma redondeada. El agrupamiento jerárquico permite ver en el dendrograma cómo se van uniendo los grupos, lo que sirve para explorar decenas de miles de casos; DBSCAN usa la densidad como criterio y separa como atípicos los puntos que no pertenecen a ningún grupo. Sin embargo, preparar los datos y poner las variables en la misma escala influye más en el resultado que la elección del algoritmo. Si se introducen tal cual el gasto anual de compra (del orden de KRW 1,000,000 (≈ US$750)) y el número de compras (de un dígito), una sola variable, el monto, domina el cálculo de distancias. El K adecuado se estima con el método del codo o el coeficiente de silueta, pero también hay que considerar cuántos grupos puede manejar realmente la organización que opera el resultado, que suele ser de 3 a 6.
En la práctica, el error más frecuente es creer que el agrupamiento siempre da una respuesta. Aunque los datos no tengan una estructura clara, si se ingresa K=5, el algoritmo los divide en cinco grupos de todos modos. Y en cuanto se les pone nombre, como « económico » o « premium », todo el equipo da por cierto ese nombre y cae en el sesgo de confirmación. Antes de ponerles nombre, es indispensable validar las diferencias entre grupos con indicadores externos, como la tasa de recompra o el ticket promedio. Además, K-medias cambia de resultado según los valores iniciales: si se vuelve a ejecutar cada mes, los clientes del « grupo 2 » del mes pasado pasan al « grupo 4 » de este mes, se corta el historial de campañas y la comparación de resultados se vuelve imposible. Una vez confirmado el modelo, conviene fijar los criterios y asignar solo a los clientes nuevos, y fijar de antemano que el reentrenamiento sea trimestral o semestral.
John KimAutor de «Diseño del marketing B2B» y CEO de Nanum Consultoría, instructor John Kim
Seungtae ParkInstructor práctico de AX que enseña desarrollo de negocio con IA y automatización de marketing, con herramientas propiasEs una técnica de larga data en estadística y reconocimiento de patrones, y se ha consolidado como método representativo del aprendizaje no supervisado.
Veamos un caso hipotético. La empresa A, una firma D2C de productos de consumo masivo con 180 colaboradores y ventas anuales de unos KRW 120,000,000,000, (≈ US$89,816,300) enviaba cada semana el mismo correo de cupones a sus 420,000 miembros. En seis meses, la tasa de apertura de correos se redujo a la mitad, de 18% a 9%. El jefe del equipo de CRM solo repetía que «si los separas por nivel, fuera del VIP todos son iguales».
- El jefe de sección Kim, del equipo de análisis de datos, extrajo nueve variables del historial de compras de los últimos 12 meses (frecuencia de visitas, ticket promedio, concentración por categoría, tasa de respuesta a cupones, entre otras), normalizó las unidades y aplicó K-medias a 420,000 clientes.
- Como el gráfico de codo se quebraba de forma ambigua entre 4 y 7, el líder del equipo de CRM zanjó: « Somos tres personas para operar y no podemos manejar siete ». Así se fijó K=5, que tenía el segundo coeficiente de silueta más alto.
- Uno de los cinco clústeres tenía un ticket promedio 1.8 veces el promedio, pero una tasa de respuesta a cupones del 3%, la más baja. El subgerente Lee, del equipo de marketing, dijo: « Le estuvimos enviando correos con descuentos a estas personas durante seis meses », y lo separó en un grupo para avisar primero de los nuevos productos.
- El clúster más grande, con 140,000 personas, resultó estar justo antes de la inactividad, más de 90 días después de su última compra. Se reemplazaron los cupones por recordatorios ajustados al ciclo de recompra, y la frecuencia de envío bajó de una vez por semana a dos veces al mes.
- Tres meses después, la tasa de apertura de correos subió de 9% a 21%, y las ventas vinculadas a cupones crecieron 34% frente al trimestre anterior. Con un envío 40% menor, el costo de mensajería bajó de KRW 11,000,000 (≈ US$8,230) al mes a KRW 6,800,000 (≈ US$5,090).