Contexto

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

Más informacion:
R for Data Science (2ed)

Paso1. 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) )
#df

Paso 3.Cantidad de grupos

Optimización (inicia en un 3 o 4)

#grupos<- 4 hipótesis
grupos <- 3  #optimización

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"

Paso 5.Asignar el grupo al que pertenece cada observación

asignacion <- cbind(df, cluster = segmentos$cluster)
asignacion
##   x  y cluster
## 1 2 10       2
## 2 2  5       3
## 3 8  4       1
## 4 5  8       2
## 5 7  5       1
## 6 6  4       1
## 7 1  2       3
## 8 4  9       2

Paso 6.Gráficar 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= "Numero de clusters K")

Conclusion

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.