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

Paso 1. Instalar paquetes y llamar librerías

spotify <- read.csv("Desktop/Most Streamed Spotify Songs 2024.csv")

Paso 2. Obtener los datos

library(cluster)

library(ggplot2)

library(data.table)

devtools::install_github("kassambara/factoextra")
## Skipping install of 'factoextra' from a github remote, the SHA1 (1689fc74) has not changed since last install.
##   Use `force = TRUE` to force installation
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

grupos <- 3

Paso 4. Generar los segmentos

segmentos <- kmeans(df,4)
segmentos
## K-means clustering with 4 clusters of sizes 1, 3, 3, 1
## 
## Cluster means:
##          x        y
## 1 2.000000 5.000000
## 2 3.666667 9.000000
## 3 7.000000 4.333333
## 4 1.000000 2.000000
## 
## Clustering vector:
## [1] 2 1 3 2 3 3 4 2
## 
## Within cluster sum of squares by cluster:
## [1] 0.000000 6.666667 2.666667 0.000000
##  (between_SS / total_SS =  90.7 %)
## 
## 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       1
## 3 8  4       3
## 4 5  8       2
## 5 7  5       3
## 6 6  4       3
## 7 1  2       4
## 8 4  9       2

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 sus clientes y dirigir campañas de marketing más enfocadas y especializadas.