Dirigido a:
-
Analistas de negocios y marketing, analistas de data mining y estadísticos que deseen
aprender cómo encontrar segmentos significativos en sus bases de clientes y trabajar
con ellos en diversas aplicaciones.
Modalidad:
Duración:
Prerrequisitos:
-
Los asistentes debieran estar familiarizados con los conceptos básicos de estadística. Es
conveniente alguna experiencia previa en tareas vinculadas al CRM.
Descripción del Curso
-
Las estrategias de marketing en general, y la modelización predictiva en particular no son
efectivas sin una apropiada segmentación de la población de interés. Si bien el concepto de
una segmentación (encontrar grupos) es suficientemente simple, las técnicas involucradas,
el análisis e interpretación de los segmentos y su utilización en problemas de negocios po-
seen una complejidad considerable. Quien no maneja adecuadamente estas cuestiones se arries-
ga a realizar una práctica de segmentación sumamente mediocre e inefectiva, ocasionando así
serios problemas a las acciones a los que estos resultados debieran alimentar. En este curso
se estudiarán no solo las principales técnicas estadísticas para encontrar segmentos, sino
también las múltiples tareas complementarias, fundamentales para emplear correctamente los
resultados generados por esas técnicas: preprocesamiento, profiling, validación, evaluación
de estabilidad, scoring, migración entre segmentos, etc.
Temario:
- Introducción a la segmentación en el contexto de CRM
- Contextos de negocios y segmentación
- Conceptos básicos de segmentación
- Variables básicas
- Variables descriptoras
- Clases de métodos de segmentación
- Objetivos de una segmentación
- Técnicas jerárquicas de segmentación
- Introducción al análisis de clustering jerárquico
- Tipos de métricas
- Tipos de clustering jerárquico
- Tareas analísticas adicionales en una segmentación
- Clustering de datos de encuestas
- Exploración de algunos problemas con los datos
- Profiling de segmentos
- Validación de segmentos
- Clustering no jerárquico y otras tareas adicionales
- Algoritmo K-medias
- Scoring de nuevos datos
- Evaluación de la estabilidad en el tiempo de una segmentación
- Migración de clientes en el tiempo
- Clustering probabilístico
- Segmentación a priori usando la técnica RFM
- Segmentación por afinidad de productos
- Segmentación con text mining
- Preprocesamiento de variables para tareas de segmentación
- Selección de variables
- Tratamiento de valores faltantes
- Clustering de series de tiempo
|