Segmentación (Clusters)

Contexto

La segmentación o clusters es un conjunto de técnicas cuyo propósito es formar grupos a partir de un conjunto de elementos.

Más información:
R for Data Science (2ed)

Paso 1. Instalar paquetes y llamar librerías

#install.packages("cluster")
library(cluster)
#install.packages("ggplot2")
library(ggplot2)
#install.packages("data.table")
library(data.table)
#install.packages("factoextra")
library(factoextra)

## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa

Paso 2. Obtener los datos

df <- data.frame(x= c(2,2,8,5,7,6,1,4), y= c(10,5,4,8,5,4,2,9))

Paso 3. Cantidad de grupos

Normalmente se arranca con 3-4 grupos

grupos <- 3

Paso 4. Generar los segmentos

segmentos <- kmeans(df, grupos)
segmentos

## K-means clustering with 3 clusters of sizes 3, 3, 2
## 
## Cluster means:
##          x        y
## 1 7.000000 4.333333
## 2 3.666667 9.000000
## 3 1.500000 3.500000
## 
## Clustering vector:
## [1] 2 3 1 2 1 1 3 2
## 
## Within cluster sum of squares by cluster:
## [1] 2.666667 6.666667 5.000000
##  (between_SS / total_SS =  85.8 %)
## 
## Available components:
## 
## [1] "cluster"      "centers"      "totss"        "withinss"     "tot.withinss"
## [6] "betweenss"    "size"         "iter"         "ifault"

summary(segmentos)

##              Length Class  Mode   
## cluster      8      -none- numeric
## centers      6      -none- numeric
## totss        1      -none- numeric
## withinss     3      -none- numeric
## tot.withinss 1      -none- numeric
## betweenss    1      -none- numeric
## size         3      -none- numeric
## iter         1      -none- numeric
## ifault       1      -none- numeric

Paso 5. Asignar el grupo al que pertenece cada observación

asignación <- cbind(cluster = segmentos$cluster, df)
asignación

##   cluster x  y
## 1       2 2 10
## 2       3 2  5
## 3       1 8  4
## 4       2 5  8
## 5       1 7  5
## 6       1 6  4
## 7       3 1  2
## 8       2 4  9

asignación$cluster <- as.factor(asignación$cluster)
summary(asignación)

##  cluster       x               y         
##  1:3     Min.   :1.000   Min.   : 2.000  
##  2:3     1st Qu.:2.000   1st Qu.: 4.000  
##  3:2     Median :4.500   Median : 5.000  
##          Mean   :4.375   Mean   : 5.875  
##          3rd Qu.:6.250   3rd Qu.: 8.250  
##          Max.   :8.000   Max.   :10.000

Paso 6. Graficar los clusters

fviz_cluster(segmentos, data = df)

Paso 7. Optimizar la cantidad de grupos

La cantidad óptima de grupos corresponde al punto más alto de la siguiente gráfica:

set.seed(123)

optimizacion <- clusGap(df, FUN=kmeans, nstart=1, K.max = 7)
plot(optimizacion, xlab = "Número de clusters k")

Conclusión

La segmentación o clusters es un algoritmo útil para las empresas que desean clasificar a sus clientes y dirigir campañas de marketing más enfocadas y especializadas.