Segmentación de Clientes - Supermarket
Fernando Palmer A00839550
2026-02-23
Teoría
El agrupamiento o clustering es una técnica de aprendizaje automático no supervisado que agrupa datos en función de su similitud. En este análisis aplicamos K-Means para segmentar clientes de un supermercado según su comportamiento de compra: frecuencia (cuántas veces compra) y ticket promedio (cuánto gasta en promedio por visita).
Paso 1. Instalar paquetes y llamar librerías
# install.packages("cluster")
# install.packages("ggplot2")
# install.packages("data.table")
# install.packages("factoextra")
# install.packages("readxl")
# install.packages("dplyr")
library(cluster)
library(ggplot2)
library(data.table)
library(factoextra)
library(readxl)
library(dplyr)Paso 2. Obtener los datos
df_raw <- read_excel("supermarket.xlsx")## Warning: Expecting numeric in A522063 / R522063C1: got 'A563185'## Warning: Expecting numeric in A522064 / R522064C1: got 'A563186'## Warning: Expecting numeric in A522065 / R522065C1: got 'A563187'head(df_raw)## # A tibble: 6 × 8
## BillNo Itemname Quantity Date Time Price
## <dbl> <chr> <dbl> <dttm> <dttm> <dbl>
## 1 536365 WHITE HANGING H… 6 2010-12-01 00:00:00 1899-12-31 08:26:00 2.55
## 2 536365 WHITE METAL LAN… 6 2010-12-01 00:00:00 1899-12-31 08:26:00 3.39
## 3 536365 CREAM CUPID HEA… 8 2010-12-01 00:00:00 1899-12-31 08:26:00 2.75
## 4 536365 KNITTED UNION F… 6 2010-12-01 00:00:00 1899-12-31 08:26:00 3.39
## 5 536365 RED WOOLLY HOTT… 6 2010-12-01 00:00:00 1899-12-31 08:26:00 3.39
## 6 536365 SET 7 BABUSHKA … 2 2010-12-01 00:00:00 1899-12-31 08:26:00 7.65
## # ℹ 2 more variables: CustomerID <dbl>, Country <chr>Paso 3. Estadística Descriptiva y Limpieza
str(df_raw)## tibble [522,064 × 8] (S3: tbl_df/tbl/data.frame)
## $ BillNo : num [1:522064] 536365 536365 536365 536365 536365 ...
## $ Itemname : chr [1:522064] "WHITE HANGING HEART T-LIGHT HOLDER" "WHITE METAL LANTERN" "CREAM CUPID HEARTS COAT HANGER" "KNITTED UNION FLAG HOT WATER BOTTLE" ...
## $ Quantity : num [1:522064] 6 6 8 6 6 2 6 6 6 32 ...
## $ Date : POSIXct[1:522064], format: "2010-12-01" "2010-12-01" ...
## $ Time : POSIXct[1:522064], format: "1899-12-31 08:26:00" "1899-12-31 08:26:00" ...
## $ Price : num [1:522064] 2.55 3.39 2.75 3.39 3.39 7.65 4.25 1.85 1.85 1.69 ...
## $ CustomerID: num [1:522064] 17850 17850 17850 17850 17850 ...
## $ Country : chr [1:522064] "United Kingdom" "United Kingdom" "United Kingdom" "United Kingdom" ...summary(df_raw)## BillNo Itemname Quantity
## Min. :536365 Length:522064 Min. :-9600.00
## 1st Qu.:547892 Class :character 1st Qu.: 1.00
## Median :560603 Mode :character Median : 3.00
## Mean :559951 Mean : 10.09
## 3rd Qu.:571892 3rd Qu.: 10.00
## Max. :581587 Max. :80995.00
## NA's :3
## Date Time
## Min. :2010-12-01 00:00:00 Min. :1899-12-31 06:20:00
## 1st Qu.:2011-03-28 00:00:00 1st Qu.:1899-12-31 11:48:00
## Median :2011-07-20 00:00:00 Median :1899-12-31 13:37:00
## Mean :2011-07-03 23:15:13 Mean :1899-12-31 13:36:07
## 3rd Qu.:2011-10-19 00:00:00 3rd Qu.:1899-12-31 15:30:00
## Max. :2011-12-09 00:00:00 Max. :1899-12-31 20:18:00
##
## Price CustomerID Country
## Min. :-11062.060 Min. :12346 Length:522064
## 1st Qu.: 1.250 1st Qu.:13950 Class :character
## Median : 2.080 Median :15265 Mode :character
## Mean : 3.827 Mean :15317
## 3rd Qu.: 4.130 3rd Qu.:16837
## Max. : 13541.330 Max. :18287
## NA's :134041cat("Filas originales:", nrow(df_raw), "\n")## Filas originales: 522064cat("Valores nulos por columna:\n")## Valores nulos por columna:print(colSums(is.na(df_raw)))## BillNo Itemname Quantity Date Time Price CustomerID
## 3 1455 0 0 0 0 134041
## Country
## 0df_clean <- df_raw %>%
filter(!is.na(CustomerID),
!is.na(Price),
!is.na(Quantity),
Quantity > 0,
Price > 0)
cat("Filas después de limpieza:", nrow(df_clean), "\n")## Filas después de limpieza: 387985cat("Filas eliminadas:", nrow(df_raw) - nrow(df_clean), "\n")## Filas eliminadas: 134079Paso 4. Preparar variables por cliente
Se calculan dos variables por cliente:
- Frecuencia: número de visitas (facturas distintas).
- Ticket Promedio: gasto promedio por visita.
df_clean <- df_clean %>%
mutate(Total = Quantity * Price)
df_clientes <- df_clean %>%
group_by(CustomerID) %>%
summarise(
Frecuencia = n_distinct(BillNo),
Ticket_Prom = sum(Total) / n_distinct(BillNo)
) %>%
ungroup()
cat("Clientes únicos:", nrow(df_clientes), "\n")## Clientes únicos: 4296summary(df_clientes[, c("Frecuencia", "Ticket_Prom")])## Frecuencia Ticket_Prom
## Min. : 1.000 Min. : 3.45
## 1st Qu.: 1.000 1st Qu.: 178.30
## Median : 2.000 Median : 292.00
## Mean : 4.227 Mean : 415.62
## 3rd Qu.: 5.000 3rd Qu.: 426.63
## Max. :209.000 Max. :84236.25Paso 5. Escalar los datos
Como Frecuencia y Ticket Promedio están en escalas distintas, se normalizan para que ninguna variable domine el agrupamiento.
datos_escalados <- scale(df_clientes[, c("Frecuencia", "Ticket_Prom")])
summary(datos_escalados)## Frecuencia Ticket_Prom
## Min. :-0.4556 Min. :-0.228526
## 1st Qu.:-0.4556 1st Qu.:-0.131582
## Median :-0.3144 Median :-0.068543
## Mean : 0.0000 Mean : 0.000000
## 3rd Qu.: 0.1092 3rd Qu.: 0.006104
## Max. :28.9132 Max. :46.473657Paso 6. Optimizar el número de clusters (Método del Codo)
Se utiliza el método del codo para confirmar el número óptimo de clusters. Se grafica la variación interna (Within Sum of Squares) para cada k y se elige el punto donde la curva “hace codo”, es decir, donde agregar más clusters ya no reduce significativamente la variación.
set.seed(123)
wss <- sapply(1:10, function(k) {
kmeans(datos_escalados, centers = k, nstart = 10)$tot.withinss
})
plot(1:10, wss,
type = "b", pch = 19,
xlab = "Número de clusters k",
ylab = "Within Sum of Squares (WSS)",
main = "Optimización de Clusters - Método del Codo")
Paso 7. Generar los 4 clusters
set.seed(123)
clusters <- kmeans(datos_escalados, centers = 4, nstart = 25)
clusters## K-means clustering with 4 clusters of sizes 18, 2, 371, 3905
##
## Cluster means:
## Frecuencia Ticket_Prom
## 1 10.0634766 0.42562849
## 2 -0.3850355 44.51851525
## 3 1.7015081 0.03010348
## 4 -0.2078443 -0.02762272
##
## Clustering vector:
## [1] 2 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4
## [38] 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4
## [75] 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 3 4 3 4 4 4 4 3 4 4 4 4 3 4 4 4 4 4 4 3 4 4
## [112] 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4
## [149] 4 4 4 3 4 4 4 4 4 4 4 4 4 4 3 3 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 3 4
## [186] 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [223] 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 3 4 4 3 3 3 4 4 4 4 4
## [260] 4 4 4 4 4 4 4 4 4 4 4 4 3 3 4 3 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 3 4 4 4
## [297] 4 4 4 4 4 4 4 3 1 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [334] 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 3 4
## [371] 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4
## [408] 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4
## [445] 4 4 4 4 3 4 4 4 4 4 4 4 4 4 1 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 3 4 4
## [482] 3 4 4 4 4 4 3 3 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 3 4 4 4
## [519] 4 4 4 4 4 4 4 4 4 3 4 4 4 4 3 4 4 3 4 4 4 1 3 4 4 4 3 4 3 3 4 4 3 4 4 4 4
## [556] 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4
## [593] 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 3 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4
## [630] 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [667] 4 3 4 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4
## [704] 4 4 4 4 4 4 3 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [741] 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 1 4 4 4 4
## [778] 4 3 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 3 4
## [815] 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [852] 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4
## [889] 4 4 4 3 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4
## [926] 4 4 4 3 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4
## [963] 4 4 4 4 4 4 4 4 4 4 4 1 3 4 4 3 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [1000] 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 3 3 4 4 4 3
## [1037] 4 4 4 4 3 4 4 4 4 4 1 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [1074] 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 3
## [1111] 3 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [1148] 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 3 4 3
## [1185] 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 3 4 4 4 4 4
## [1222] 4 3 4 4 4 4 4 4 4 4 3 4 4 4 4 3 3 4 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4
## [1259] 3 4 4 3 4 3 4 3 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 3 4 4 4
## [1296] 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 3 3 4 3
## [1333] 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 3 4
## [1370] 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 3 4 4 4
## [1407] 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [1444] 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 3 4 4 4
## [1481] 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [1518] 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [1555] 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 1 4 4 4 4 4 3 4 4 4 4 4 4 4 4 3 4
## [1592] 4 4 4 4 4 4 4 4 4 4 4 3 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [1629] 4 4 4 4 1 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 1 4 4 4 4
## [1666] 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 3 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 3
## [1703] 4 4 4 4 3 4 3 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 3 3 4 4 4 4 4 4 4 4 4 4 4 4 3
## [1740] 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 3 4 4 4 4
## [1777] 4 4 3 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4
## [1814] 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4
## [1851] 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [1888] 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 3 3 4 4 4 4 4 4 4 3 4
## [1925] 4 4 4 1 4 4 4 3 4 3 4 4 4 4 4 4 4 4 4 3 4 4 1 4 4 4 4 4 4 4 4 4 4 4 4 4 3
## [1962] 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4
## [1999] 3 4 4 3 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 3 3 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4
## [2036] 4 4 4 4 4 4 4 4 4 3 3 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4
## [2073] 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [2110] 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 3 3 4 4 4 3 4 4 3 4 4 4 4 4 1 4 4 4 4 4 4 4
## [2147] 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 3 4 4 4 4 4 4 4 4 4
## [2184] 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [2221] 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4
## [2258] 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 3 4 3 4 4 4 4 4 4 4 4 4 3 3 4 4 4 4 4 4 4
## [2295] 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 3 4
## [2332] 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 3 4 3 4 4 4 4
## [2369] 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [2406] 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4
## [2443] 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3
## [2480] 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 3 4 4 4 4 4 4 4 4 4 4 4
## [2517] 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 3 4 3 4 4 4 4 4 4 4 4
## [2554] 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [2591] 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4
## [2628] 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 1 4 4 4 4 4 4 4 4 4 4 4 4 4 1
## [2665] 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4
## [2702] 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [2739] 3 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 3 4 4 4 4 4 4 4 4 4 4
## [2776] 4 4 4 4 4 4 3 3 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4
## [2813] 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [2850] 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 3 4 4 4
## [2887] 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [2924] 4 4 4 4 4 4 3 4 4 4 4 4 3 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 1 4 4 4 3 4 4 4 4
## [2961] 4 4 4 4 4 4 4 4 4 2 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [2998] 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 3 4 4 4 4 4 4 4
## [3035] 4 4 4 4 4 4 3 4 4 4 3 4 4 4 4 3 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 3
## [3072] 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 3 4 4 4
## [3109] 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 3 4 3 4 4 3 4 4 4 4 3 4 4 4 4 4 4 4
## [3146] 4 4 4 3 3 3 4 4 4 3 4 3 3 4 4 4 4 4 4 4 4 3 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4
## [3183] 4 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 3 4 4 4 4 4 4 3 4 4 4 3 4 4 3 4
## [3220] 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 3 4 4 3 4 4 4 4 4 4 4 4 4 4 4
## [3257] 4 4 3 4 3 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [3294] 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 3 4 4 4 4 4 4 3 4 3 4 4 4 3 4 4 3 4 4 4 4
## [3331] 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4
## [3368] 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [3405] 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [3442] 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4
## [3479] 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [3516] 4 4 4 4 4 4 3 4 3 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 3 4 4 3 4 4 4 4 4 4 4 4 4
## [3553] 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 3
## [3590] 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4
## [3627] 4 4 4 4 4 4 4 4 3 4 3 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 3 4 3 4 4 4 4 4 4 4 4
## [3664] 4 4 4 3 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 1 4 4 4 4 4 4 4 4 4 4 4 4
## [3701] 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 3 4 4 4 4 4
## [3738] 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [3775] 4 4 4 4 3 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 3 4 4 4 4 4 4
## [3812] 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 3 3 4 4 4 4 4 3 4 4 4 4 4 4 4
## [3849] 4 4 4 4 4 3 4 3 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4
## [3886] 4 3 4 3 4 4 4 4 3 4 4 3 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4
## [3923] 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 3 4 4 4 4 3 3 4 4 4 4 4 4 4
## [3960] 4 4 4 4 4 4 4 4 4 4 1 4 4 4 4 3 4 4 4 4 3 3 4 4 4 4 4 4 3 4 4 4 3 4 4 4 4
## [3997] 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4
## [4034] 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 3 4 4 3 4 4 4 4 4 3 4 4 3 4 4 4 4 4 4
## [4071] 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [4108] 4 4 4 4 4 4 4 4 3 4 4 3 4 4 4 4 3 4 4 4 3 4 4 3 4 4 4 4 4 4 3 4 3 3 4 4 4
## [4145] 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 1 4 4 4 4 3 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4
## [4182] 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4
## [4219] 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 3 4 4 4 3 4 3 3 4 4
## [4256] 3 4 4 4 4 4 4 4 4 4 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
## [4293] 4 4 3 4
##
## Within cluster sum of squares by cluster:
## [1] 551.477648 7.655128 391.715982 602.771328
## (between_SS / total_SS = 81.9 %)
##
## Available components:
##
## [1] "cluster" "centers" "totss" "withinss" "tot.withinss"
## [6] "betweenss" "size" "iter" "ifault"Paso 8. Graficar los clusters
fviz_cluster(clusters, data = datos_escalados,
geom = "point",
ellipse.type = "convex",
palette = c("#E41A1C","#377EB8","#4DAF4A","#FF7F00"),
main = "Segmentación de Clientes - 4 Clusters")
Paso 9. Agregar Clusters a la Base de Datos
df_clientes_cluster <- cbind(df_clientes, Cluster = clusters$cluster)
# Resumen por cluster con valores reales
resumen <- df_clientes_cluster %>%
group_by(Cluster) %>%
summarise(
Clientes = n(),
Frec_Prom = round(mean(Frecuencia), 1),
Ticket_Prom = round(mean(Ticket_Prom), 2)
) %>%
arrange(Cluster)
print(resumen)## # A tibble: 4 × 4
## Cluster Clientes Frec_Prom Ticket_Prom
## <int> <int> <dbl> <dbl>
## 1 1 18 75.5 1183.
## 2 2 2 1.5 80710.
## 3 3 371 16.3 470.
## 4 4 3905 2.8 366.med_frec <- median(resumen$Frec_Prom)
med_ticket <- median(resumen$Ticket_Prom)
resumen <- resumen %>%
mutate(Nombre = case_when(
Frec_Prom < med_frec & Ticket_Prom < med_ticket ~ "Clientes Inconsistentes",
Frec_Prom >= med_frec & Ticket_Prom < med_ticket ~ "Los Botaneros",
Frec_Prom < med_frec & Ticket_Prom >= med_ticket ~ "Megadespensa Ocasional",
Frec_Prom >= med_frec & Ticket_Prom >= med_ticket ~ "Clientes Estrella"
))
print(resumen[, c("Cluster", "Frec_Prom", "Ticket_Prom", "Nombre")])## # A tibble: 4 × 4
## Cluster Frec_Prom Ticket_Prom Nombre
## <int> <dbl> <dbl> <chr>
## 1 1 75.5 1183. Clientes Estrella
## 2 2 1.5 80710. Megadespensa Ocasional
## 3 3 16.3 470. Los Botaneros
## 4 4 2.8 366. Clientes Inconsistentesdf_clientes_cluster <- df_clientes_cluster %>%
left_join(resumen %>% select(Cluster, Nombre), by = "Cluster")
head(df_clientes_cluster)## CustomerID Frecuencia Ticket_Prom Cluster Nombre
## 1 12346 1 77183.6000 2 Megadespensa Ocasional
## 2 12347 7 615.7143 4 Clientes Inconsistentes
## 3 12349 1 1757.5500 4 Clientes Inconsistentes
## 4 12350 1 334.4000 4 Clientes Inconsistentes
## 5 12352 8 313.2550 4 Clientes Inconsistentes
## 6 12353 1 89.0000 4 Clientes InconsistentesCaracterísticas y Recomendaciones por Cluster
Clusters Finales
Cluster 1 (18 clientes): Frecuencia 75.5, Ticket $1,183 → Alta
frecuencia, ticket medio-alto.
Cluster 2 (2 clientes): Frecuencia 1.5, Ticket $80,710 → Outliers /
compradores mayoristas.
Cluster 3 (371 clientes): Frecuencia 16.3, Ticket $470 → Frecuencia
media-alta, ticket medio.
Cluster 4 (3,905 clientes): Frecuencia 2.8, Ticket $366 → La mayoría,
baja frecuencia, ticket bajo.
Cluster 1 – Clientes Estrella (18 clientes | Frecuencia: 75.5 visitas | Ticket promedio: $1,183) Son los clientes más leales del supermercado. Visitan el establecimiento con altísima frecuencia y mantienen un gasto considerable en cada visita. Aunque son pocos, representan un volumen de compra significativo acumulado a lo largo del tiempo. Su comportamiento sugiere que el supermercado es su principal punto de abastecimiento. Se recomienda implementar un programa VIP o membresía exclusiva que reconozca su lealtad con beneficios tangibles como descuentos especiales, acceso anticipado a promociones y atención preferencial. Es fundamental no descuidar a este segmento ya que son los más difíciles de recuperar si deciden cambiar de supermercado.
Cluster 2 – Compradores Mayoristas (2 clientes | Frecuencia: 1.5 visitas | Ticket promedio: $80,710) Son casos atípicos dentro de la base de datos. Van muy pocas veces pero cuando compran el gasto es extraordinariamente alto, lo que sugiere que podrían ser revendedores, negocios pequeños o compradores institucionales. No representan el comportamiento típico de un cliente de supermercado. Se recomienda contactarlos de forma directa y personalizada para entender sus necesidades específicas. Podría ofrecérseles una cuenta empresarial o convenio de compra por volumen con precios preferenciales, lo que podría fidelizarlos e incluso aumentar su frecuencia de visita.
Cluster 3 – Clientes Frecuentes (371 clientes | Frecuencia: 16.3 visitas | Ticket promedio: $470) Son clientes con una frecuencia de visita notable y un gasto moderado por visita. Conocen bien el supermercado y tienen hábitos de compra establecidos. Es el segmento con mayor potencial de crecimiento porque ya tienen el hábito de visitar la tienda, solo falta incentivarlo a gastar un poco más cada vez. Se recomienda enfocarse en aumentar el ticket promedio por visita mediante promociones de productos complementarios, bundles o descuentos por compra mínima. Estrategias como “si llevas esto, el siguiente tiene X% de descuento” funcionan bien con este perfil.
Cluster 4 – Clientes Ocasionales (3,905 clientes | Frecuencia: 2.8 visitas | Ticket promedio: $366) Es el segmento más grande y representa la base de la pirámide. Visitan poco y gastan relativamente poco en cada visita. Probablemente son clientes que no tienen al supermercado como su destino principal de compra, o que solo acuden cuando tienen una necesidad puntual. Se recomienda trabajar en estrategias de reactivación y retención: cupones de descuento para la próxima visita, recordatorios por correo o app, y promociones en productos de primera necesidad que los motiven a regresar con mayor frecuencia. Convertir aunque sea una fracción de este grupo en clientes frecuentes tendría un impacto enorme en los ingresos totales del supermercado.