Analisis del impacto del servicio al cliente en el engagement de Amazon Prime
Humberto Silva Baltazar
2024-06-29
Introducción
En este análisis, investigamos cómo las interacciones del servicio al cliente influyen en el nivel de compromiso (engagement) de los usuarios en Amazon. Formulamos la hipótesis de que un mayor número de interacciones con el soporte al cliente se correlaciona con un mayor nivel de engagement.
Preguntas de Investigación
1. ¿Existe una relación significativa entre las interacciones con el soporte al cliente y el nivel de engagement de los usuarios?
2. ¿Cuál es la naturaleza de esta relación? ¿Es positiva o negativa?
3. ¿Qué implicaciones tienen estos hallazgos para la estrategia de servicio al cliente de Amazon?
Datos
Utilizamos un conjunto de datos proporcionado por Amazon que incluye información sobre las interacciones con el soporte al cliente y los niveles de engagement de los usuarios.
library(lubridate)
library(dplyr)
library(car)
library(ggplot2)
data_set_amazon <- read.csv("data_set_amazon.csv",
stringsAsFactors = TRUE)Preparamos los datos.
Mostraremos los primeros encabezados del dataframe
#Agregar una columa que me indique la edad de los clientes a partir de
#la columna de "Date.of.Birth"
data_set_amazon$Date.of.Birth <-
as.Date(data_set_amazon$Date.of.Birth, format="%Y-%m-%d")
# Calcular la edad y crear una nueva columna 'Age'
data_set_amazon <- data_set_amazon %>%
mutate(Age = floor(interval(start = Date.of.Birth,
end = Sys.Date()) / years(1)))
# Crear grupos de edades
data_set_amazon <- data_set_amazon %>%
mutate(Age.Group = cut(Age,
breaks = c(0, 17, 25, 35, 45, 55, 65, 75, 85, Inf),
labels = c("0-17", "18-25", "26-35", "36-45", "46-55",
"56-65", "66-75","76-85","85+"),
right = FALSE))
#Hacemos el Engagement medible.
data_set_amazon <- data_set_amazon %>%
mutate(Engagement.Score = case_when(
Engagement.Metrics == "High" ~ 3,
Engagement.Metrics == "Medium" ~ 2,
Engagement.Metrics == "Low" ~ 1,
TRUE ~ NA_real_
# Esto maneja cualquier caso no especificado como NA
))
#Ahora vamos a hacer la frecuencia de uso medible.
data_set_amazon <- data_set_amazon %>%
mutate(Usage.Frequency_medible = case_when(
Usage.Frequency == "Frequent" ~ 3,
Usage.Frequency == "Regular" ~ 2,
Usage.Frequency == "Occasional" ~ 1,
TRUE ~ NA_real_
# Esto maneja cualquier caso no especificado como NA
))
head(data_set_amazon)## User.ID Name Email.Address Username
## 1 1 Ronald Murphy williamholland@example.com williamholland
## 2 2 Scott Allen scott22@example.org scott22
## 3 3 Jonathan Parrish brooke16@example.org brooke16
## 4 4 Megan Williams elizabeth31@example.net elizabeth31
## 5 5 Kathryn Brown pattersonalexandra@example.org pattersonalexandra
## 6 6 Sandra Cox gparks@example.org gparks
## Date.of.Birth Gender Location Membership.Start.Date Membership.End.Date
## 1 1953-06-03 Male Rebeccachester 2024-01-15 2025-01-14
## 2 1978-07-08 Male Mcphersonview 2024-01-07 2025-01-06
## 3 1994-12-06 Female Youngfort 2024-04-13 2025-04-13
## 4 1964-12-22 Female Feliciashire 2024-01-24 2025-01-23
## 5 1961-06-04 Male Port Deborah 2024-02-14 2025-02-13
## 6 1954-09-19 Female Lake Johnathan 2024-01-15 2025-01-14
## Subscription.Plan Payment.Information Renewal.Status Usage.Frequency
## 1 Annual Mastercard Manual Regular
## 2 Monthly Visa Manual Regular
## 3 Monthly Mastercard Manual Regular
## 4 Monthly Amex Auto-renew Regular
## 5 Annual Visa Auto-renew Frequent
## 6 Monthly Amex Manual Occasional
## Purchase.History Favorite.Genres Devices.Used Engagement.Metrics
## 1 Electronics Documentary Smart TV Medium
## 2 Electronics Horror Smartphone Medium
## 3 Books Comedy Smart TV Low
## 4 Electronics Documentary Smart TV High
## 5 Clothing Drama Smart TV Low
## 6 Books Action Tablet Low
## Feedback.Ratings Customer.Support.Interactions Age Age.Group Engagement.Score
## 1 3.6 3 71 66-75 2
## 2 3.8 7 45 46-55 2
## 3 3.3 8 29 26-35 1
## 4 3.3 7 59 56-65 3
## 5 4.3 1 63 56-65 1
## 6 3.8 2 69 66-75 1
## Usage.Frequency_medible
## 1 2
## 2 2
## 3 2
## 4 2
## 5 3
## 6 1Vemos como se distribuye el publico por su edad.
Top_grupos_edades <- data_set_amazon %>%
group_by(Age.Group) %>%
summarise(Personas = n()) %>%
arrange(desc(Personas)) %>%
mutate(Representacion = Personas / sum(Personas))
# Graficar la densidad de distribución de edades con líneas divisorias
# Calculando la densidad manualmente para todo el rango de edades
densidad_edades <- density(data_set_amazon$Age)
df_densidad_edades <- data.frame(Age = densidad_edades$x,
Density = densidad_edades$y)
# Agregando una columna de grupo de edad según los rangos
df_densidad_edades$Age.Group <-
cut(df_densidad_edades$Age,
breaks =
c(0, 25, 35, 45, 55, 65, 75, 85, Inf),
labels =
c("18-25", "26-35", "36-45", "46-55", "56-65", "66-75","76-85", "85+"))
# Graficando con áreas coloreadas
ggplot(df_densidad_edades, aes(x = Age, y = Density)) +
geom_area(aes(fill = Age.Group), alpha = 1) +
scale_fill_brewer(palette = "Set2", name = "Rango de Edad") +
geom_vline(xintercept = c(25, 35, 45, 55, 65, 75, 85),
color = "black", linetype = "dotted") +
geom_vline(aes(xintercept = mean(data_set_amazon$Age)),
color = "blue", linetype = "dashed", size = 0.8) +
annotate("text", x = mean(data_set_amazon$Age), y = 0,
label = sprintf("Promedio: %.2f", mean(data_set_amazon$Age)),
vjust = 1, color = "blue", size = 4) +
scale_x_continuous(breaks = seq(min(18), max(90), by = 4)) +
labs(title = "Distribución por rangos de edad",
x = "Edad",
y = "Densidad") +
theme_minimal()
Top_grupos_edades## # A tibble: 8 × 3
## Age.Group Personas Representacion
## <fct> <int> <dbl>
## 1 26-35 370 0.148
## 2 76-85 351 0.140
## 3 36-45 348 0.139
## 4 56-65 345 0.138
## 5 46-55 344 0.138
## 6 66-75 315 0.126
## 7 85+ 217 0.0868
## 8 18-25 210 0.084Este gráfico muestra la distribución de un conjunto de datos por rangos de edad, representados en diferentes colores. Cada color indica un grupo etario específico, desde los 18 hasta los 85 años y más. La línea punteada vertical señala el promedio de edad, que es de 54.22 años.
Agrupación de Datos y Cálculo del Promedio de Engagement
Agrupamos las interacciones con el soporte al cliente y calculamos el promedio del engagement score para cada nivel de interacción.
En el análisis presentado, se muestra el cálculo del promedio del ‘Engagement Score’ agrupado por el número de interacciones con el soporte al cliente
# Agrupar interacciones con soporte y calcular el promedio de engagement
Interacciones_vs_Engagement <- data_set_amazon %>%
group_by(Customer.Support.Interactions) %>%
summarise(Promedio_del_EngagementScore = mean(Engagement.Score, na.rm = TRUE))
# Calcular la correlación entre las interacciones con soporte y el engagement
correlacion <- cor(Interacciones_vs_Engagement$Customer.Support.Interactions,
Interacciones_vs_Engagement$Promedio_del_EngagementScore,
use = "complete.obs")
data.frame(Interacciones_vs_Engagement)## Customer.Support.Interactions Promedio_del_EngagementScore
## 1 0 2.012605
## 2 1 1.937759
## 3 2 1.995671
## 4 3 1.972093
## 5 4 2.000000
## 6 5 1.961207
## 7 6 2.018018
## 8 7 2.064220
## 9 8 2.057778
## 10 9 2.069124
## 11 10 2.025424correlacion## [1] 0.6881478Este análisis muestra el promedio del ‘Engagement Score’ según el número de interacciones con el soporte al cliente. Además, la correlación calculada de 0.688 indica que existe una relación positiva moderada entre más interacciones y un mayor ‘Engagement Score’.
Visualización de la Distribución por Rangos de Edad
Para comprender mejor los datos, visualizamos la distribución de los usuarios por rangos de edad y su promedio de engagement.
#Obtenemos los promedios del engagement por grupo de edad
Engagement_por_edad <- data_set_amazon %>%
group_by(Age.Group) %>%
mutate(Promedio_del_EngagementScore = mean(Engagement.Score))
dfEngagement_por_edad<-Engagement_por_edad %>% select(Age.Group, Promedio_del_EngagementScore)%>% group_by(Age.Group)%>% summarise(Promedio_del_EngagementScore = mean(Promedio_del_EngagementScore))
ggplot(Engagement_por_edad, aes(x =Age, y =Promedio_del_EngagementScore )) +
geom_area(aes(fill =Age.Group ), alpha = 1) +
scale_fill_brewer(palette = "Set2", name = "Rango de Edad") +
scale_x_continuous(breaks = seq(min(18), max(90), by = 4)) +
labs(title = "Distribución por rangos de edad para el Engagement",
x = "Edad",
y = "Promedio del Engagement") +
theme_minimal()
dfEngagement_por_edad## # A tibble: 8 × 2
## Age.Group Promedio_del_EngagementScore
## <fct> <dbl>
## 1 18-25 2
## 2 26-35 2.06
## 3 36-45 2.05
## 4 46-55 1.98
## 5 56-65 2.04
## 6 66-75 1.95
## 7 76-85 1.97
## 8 85+ 2.02Modelo Lineal
Para investigar más a fondo la relación entre las interacciones con el soporte y el engagement, construimos un modelo lineal.
# Crear el modelo lineal
Modelo_Engagement_Support <- lm(Promedio_del_EngagementScore ~ Customer.Support.Interactions,
data = Interacciones_vs_Engagement)
# Visualización adicional con scatterplot para mejor interpretación
car::scatterplot(data = Interacciones_vs_Engagement,
Promedio_del_EngagementScore ~ Customer.Support.Interactions,
smooth = FALSE,
pch = 19,
col = "blue",
xlab = "Interacciones con Soporte al Cliente",
ylab = "Promedio del Engagement Score",
main = "Scatterplot de Interacciones vs Engagement")
# Resumen del modelo
summary(Modelo_Engagement_Support)##
## Call:
## lm(formula = Promedio_del_EngagementScore ~ Customer.Support.Interactions,
## data = Interacciones_vs_Engagement)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.049148 -0.024934 -0.001229 0.021974 0.046712
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1.965893 0.018489 106.326 2.92e-15 ***
## Customer.Support.Interactions 0.008892 0.003125 2.845 0.0192 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.03278 on 9 degrees of freedom
## Multiple R-squared: 0.4735, Adjusted R-squared: 0.4151
## F-statistic: 8.096 on 1 and 9 DF, p-value: 0.01924Coeficientes del Modelo:
Hipótesis nula (H0): No existe relación significativa entre las interacciones con el soporte al cliente y el engagement de los usuarios.
Hipótesis alternativa (H1): Existe una relación significativa entre las interacciones con el soporte al cliente y el engagement de los usuarios.
Conclusiones
Nuestros hallazgos indican que existe una relación positiva moderada y significativa entre el número de interacciones con el soporte al cliente y el nivel de engagement de los usuarios. El coeficiente de 0.008892 sugiere que por cada interacción adicional con el soporte al cliente, el engagement score promedio aumenta en aproximadamente 0.0089 puntos.
El modelo explica aproximadamente el 41.51% de la variabilidad en el engagement score (R-cuadrado ajustado), lo que sugiere que aunque las interacciones con el soporte son un factor importante, hay otros factores que también influyen en el engagement.
Dado que el valor p asociado con las interacciones con el soporte al cliente es menor que 0.05, rechazamos la hipótesis nula en favor de la hipótesis alternativa, concluyendo que las interacciones con el soporte al cliente tienen un impacto significativo en el engagement de los usuarios.