Caso Práctico

Caso Práctico. Análisis de Transacciones

El siguiente desarrollo de éste archivo Markdown , realiza una práctica con los datos del archivo archivo denominado “Transactions Caso Práctico.csv”.

La práctica consiste en lo que establece el caso de uso del módulo Customer Analytics en el desarrollo del caso práctico: Análisis de Transacciones.

Se hacen los siguientes MÓDULOS, ANÁLISIS Y RESULTADOS:

• Carga de datos
• Análisis descriptivo, ¿qué datos se tienen?
• Se establece una segmentación de los clientes con la recencia y la frecuencia
• Segmentación de los clientes con el gasto total y la frecuencia de compra
• Análisis de agrupaciones, realizar:
• Dendograma de la tipología de productos por el total gasto de cada cliente (cantidad por precio)

1. Análisis descriptivo, ¿qué datos tenemos?

Carga de datos

datos <- read.csv("Transactions Caso Práctico.csv", 
                    sep = ";", header = TRUE)

# Cambiar a formato Date el atributo orderdate
datos$orderdate <-as.Date(datos$orderdate,"%d/%m/%Y")

head(datos)

##   orderId clientId product gender  orderdate Quantity Price
## 1       1      255       g female 2017-01-03        3     5
## 2       1      255       a female 2017-01-03        3    14
## 3       1      255       b female 2017-01-03        3    22
## 4       1      255       a female 2017-01-03        1    14
## 5       2      145       h   male 2017-01-05        1    26
## 6       2      145       h   male 2017-01-05        1    26

tail(datos)

##      orderId clientId product gender  orderdate Quantity Price
## 4800     999      241       i female 2017-03-13        2    32
## 4801    1000      235       e female 2017-02-03        2    30
## 4802    1000      235       b female 2017-02-03        1    22
## 4803    1000      235       f female 2017-02-03        1    24
## 4804    1000      235       h female 2017-02-03        1    26
## 4805    1000      235       g female 2017-02-03        2     5

nrow(datos) 

## [1] 4805

str(datos)

## 'data.frame':    4805 obs. of  7 variables:
##  $ orderId  : int  1 1 1 1 2 2 2 2 3 3 ...
##  $ clientId : int  255 255 255 255 145 145 145 145 241 241 ...
##  $ product  : Factor w/ 9 levels "a","b","c","d",..: 7 1 2 1 8 8 1 8 4 7 ...
##  $ gender   : Factor w/ 2 levels "female","male": 1 1 1 1 2 2 2 2 1 1 ...
##  $ orderdate: Date, format: "2017-01-03" "2017-01-03" ...
##  $ Quantity : int  3 3 3 1 1 1 1 1 3 2 ...
##  $ Price    : int  5 14 22 14 26 26 14 26 12 5 ...

head(sort(unique(datos$orderId)))

## [1] 1 2 3 4 5 6

tail(sort(unique(datos$orderId)))

## [1]  995  996  997  998  999 1000

head(sort(unique(datos$clientId)))

## [1] 1 2 3 4 5 6

tail(sort(unique(datos$clientId))) 

## [1] 295 296 297 298 299 300

NROW(sort(unique(datos$clientId))) # Cuántos clientes

## [1] 296

head(sort(unique(datos$product)))

## [1] a b c d e f
## Levels: a b c d e f g h i

tail(unique(datos$product))

## [1] h d i f c e
## Levels: a b c d e f g h i

sort(unique(datos$gender)) 

## [1] female male  
## Levels: female male

head(sort(unique(datos$orderdate), decreasing = FALSE)) 

## [1] "2017-01-02" "2017-01-03" "2017-01-04" "2017-01-05" "2017-01-06"
## [6] "2017-01-07"

head(sort(unique(datos$orderdate), decreasing = TRUE))

## [1] "2017-04-11" "2017-04-10" "2017-04-09" "2017-04-08" "2017-04-07"
## [6] "2017-04-06"

sort(unique(datos$Quantity))

## [1] 1 2 3

sort(unique(datos$Price))

## [1]  5  9 12 14 22 24 26 30 32

Interpretación de los datos

El conjunto de datos Transactions Caso Práctico.csv es un archivo en formato CSV separado por el simbolo de ‘;’.

Tiene 1000 observaciones con un 7 variables las cuales son:

• OrderId: Que es un identificador de cada compra,
• clientID: Es el cliente que hace la comora
• product: El producto que se compra
• gender: El género del cliente
• orderdate: La fecha de compra
• Quantity: La fecha de comora y
• Price: El precio de compra

De acuerdo con la función str() de R, la estructura del conjunto de datos del archivo

• OrderId: Es un valor que identifica la compra,
• clientID: Es el cliente que hace la compra
• product: El producto que se compra
• gender: El género del cliente
• orderdate: La fecha de compra
• Quantity: La cantidad de productos que se adquieren y
• Price: El precio de compra

De acuerdo con la función str() que identifica la estructura del conjunto de datos del archivo, combinado con algunas funciones sort(), unique(), head() y tail() de R, se describen algunas características del conjunto de datos:

• OrderId: Las filas repiten lás órdenes de compra entendiéndose que por cada compra hay varios productos que se adquieren. De las 4805 observaciones hay 1000 registros en OrderId desde 1 hasta 1000
• clientID: Hay 296 clientes diferentes desde 1 hasta 300
• product: Hay 9 productos diferenes a, b, c, d, e, f, g, h, i
• gender: El género del cliente hay dos: female y male (Femenino y Masculino)
• orderdate: La primer fecha de compra registrada fué el 01/02/2017 (2 de enero del 2017) y la última fecha de compra fué realizada el dia 11/04/2017 (11 de abril del 2017). Es decir, hay 3 meses y casi medio de registros de compras. Enero, Febrero Marzo y 11 dias del mes de Abril
• Quantity: La cantidad de productos diferentes de cada compra varía entre 1 y 3 productos
  
• Price: El precio de los prodctos varía entre 5 y 32 (serán Euros, Pesos o Dólares ?)

Agregando dia, mes y agnio a los datos

library(lubridate) # Para tratar con fechas

## 
## Attaching package: 'lubridate'

## The following object is masked from 'package:base':
## 
##     date

datos$dia <- day(datos$orderdate)
datos$mes <- month(datos$orderdate)
datos$agnio <- year(datos$orderdate)

library(dplyr) # Para tratar con filtros, proyecciones ordenamientos ...

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:lubridate':
## 
##     intersect, setdiff, union

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

head(arrange(datos, datos$mes, datos$dia)) # Ordenando datos

##   orderId clientId product gender  orderdate Quantity Price dia mes agnio
## 1     140       59       a female 2017-01-02        3    14   2   1  2017
## 2     140       59       h female 2017-01-02        1    26   2   1  2017
## 3     140       59       h female 2017-01-02        1    26   2   1  2017
## 4     140       59       a female 2017-01-02        3    14   2   1  2017
## 5     140       59       b female 2017-01-02        2    22   2   1  2017
## 6     140       59       f female 2017-01-02        2    24   2   1  2017

tail(arrange(datos, datos$mes, datos$dia)) # Ordenando datos

##      orderId clientId product gender  orderdate Quantity Price dia mes
## 4800     653      139       g   male 2017-04-11        2     5  11   4
## 4801     653      139       h   male 2017-04-11        2    26  11   4
## 4802     753       38       a female 2017-04-11        1    14  11   4
## 4803     753       38       d female 2017-04-11        3    12  11   4
## 4804     753       38       g female 2017-04-11        1     5  11   4
## 4805     753       38       e female 2017-04-11        1    30  11   4
##      agnio
## 4800  2017
## 4801  2017
## 4802  2017
## 4803  2017
## 4804  2017
## 4805  2017

Visulizando datos

library(ggplot2)
library(scales)

ggplot(datos) + 
  geom_density(aes(Quantity * Price)) +
  scale_x_continuous(labels = dollar)

ggplot(datos) +
  geom_histogram(aes(x=Quantity * Price), binwidth = 7, fill="gray")

• Se observa en la gráfica de densidad, que hay mayormente una cantidad de ventas que estan entre $25 y $27 en total de venta (cantidad * precio).
• En el histogrma, tabién se muestra que hay muchas ventas que fluctuan entre $25 y $27 en total de venta, es decir cantidad * precio.

Análisis descriptivo de los datos con la función summary()

summary(datos)

##     orderId          clientId        product       gender    
##  Min.   :   1.0   Min.   :  1.0   a      :879   female:2665  
##  1st Qu.: 261.0   1st Qu.: 72.0   g      :747   male  :2140  
##  Median : 510.0   Median :143.0   h      :684                
##  Mean   : 504.6   Mean   :148.7   d      :677                
##  3rd Qu.: 750.0   3rd Qu.:224.0   e      :536                
##  Max.   :1000.0   Max.   :300.0   f      :429                
##                                   (Other):853                
##    orderdate             Quantity         Price           dia       
##  Min.   :2017-01-02   Min.   :1.000   Min.   : 5.0   Min.   : 1.00  
##  1st Qu.:2017-01-27   1st Qu.:1.000   1st Qu.:12.0   1st Qu.: 7.00  
##  Median :2017-02-21   Median :2.000   Median :14.0   Median :14.00  
##  Mean   :2017-02-21   Mean   :1.977   Mean   :18.2   Mean   :14.96  
##  3rd Qu.:2017-03-20   3rd Qu.:3.000   3rd Qu.:26.0   3rd Qu.:23.00  
##  Max.   :2017-04-11   Max.   :3.000   Max.   :32.0   Max.   :31.00  
##                                                                     
##       mes            agnio     
##  Min.   :1.000   Min.   :2017  
##  1st Qu.:1.000   1st Qu.:2017  
##  Median :2.000   Median :2017  
##  Mean   :2.261   Mean   :2017  
##  3rd Qu.:3.000   3rd Qu.:2017  
##  Max.   :4.000   Max.   :2017  
## 

Algunos análisis específicos

Cliente que MÁS compra

mascompra <- head(datos %>%
  group_by(clientId) %>%
  summarise(frecuencia = n(),
            total = sum(Quantity * Price)) %>%
  arrange(desc(frecuencia), desc(total)), 10)

mascompra

## # A tibble: 10 x 3
##    clientId frecuencia total
##       <int>      <int> <int>
##  1      219         53  1957
##  2      273         52  1960
##  3      127         43  1778
##  4       33         38  1294
##  5       73         37  1477
##  6      198         37  1475
##  7      171         36  1542
##  8      195         36  1397
##  9       87         36   937
## 10        2         35  1229

p1 <-ggplot(data=mascompra, aes(x=clientId, y=frecuencia)) +
  geom_bar(stat="identity", fill="steelblue", width=25) +
  geom_text(aes(label=clientId), vjust=1.6, color="white",
            position = position_dodge(0.9), size=3.5)+
  theme_minimal()
p1

## Warning: position_stack requires non-overlapping x intervals

• El cliente que MÁS ha comprado es el número 219 con 53 compras y un total de $ 1957

Cliente que MENOS compra

menoscompra <- tail(datos %>%
  group_by(clientId) %>%
  summarise(frecuencia = n(),
            total = sum(Quantity * Price)) %>%
  arrange(desc(frecuencia), desc(total)), 10)

menoscompra

## # A tibble: 10 x 3
##    clientId frecuencia total
##       <int>      <int> <int>
##  1       34          4    75
##  2      188          4    68
##  3       95          3   194
##  4        7          3   160
##  5      257          3   160
##  6      155          3   112
##  7       19          2    45
##  8       90          1    52
##  9       61          1    15
## 10       80          1     5

p1 <-ggplot(data=menoscompra, aes(x=clientId, y=frecuencia)) +
  geom_bar(stat="identity", fill="steelblue", width=25) +
  geom_text(aes(label=clientId), vjust=1.6, color="white",
            position = position_dodge(0.9), size=3.5)+
  theme_minimal()
p1

## Warning: position_stack requires non-overlapping x intervals

• El cliente que MENOS ha comprado es el número 80 con 1 compras y un total de $ 5

Fecha o dia en que se hicieron más compras

mascompras <- head(datos %>%
  group_by(orderdate) %>%
  summarise(frecuencia = n(),
            total = sum(Quantity * Price)) %>%
  arrange(desc(frecuencia), desc(total)), 5)

mascompras

## # A tibble: 5 x 3
##   orderdate  frecuencia total
##   <date>          <int> <int>
## 1 2017-02-14         90  3340
## 2 2017-03-10         88  3139
## 3 2017-01-29         86  2915
## 4 2017-03-27         84  3238
## 5 2017-01-16         79  3137

p1 <-ggplot(data=mascompras, aes(x=orderdate, y=frecuencia)) +
  geom_bar(stat="identity", fill="steelblue", width=10) +
  geom_text(aes(label=orderdate), vjust=1.6, color="white",
            position = position_dodge(0.9), size=3.5)+
  theme_minimal()


p1

• El 14 de Febrero se hicieron más compras con frecuencia de 90 y total de $ 3,340

Fecha o dia en que se hicieron menos compras

menoscompras <- tail(datos %>%
  group_by(orderdate) %>%
  summarise(frecuencia = n(),
            total = sum(Quantity * Price)) %>%
  arrange(desc(frecuencia), desc(total)), 5)

menoscompras

## # A tibble: 5 x 3
##   orderdate  frecuencia total
##   <date>          <int> <int>
## 1 2017-02-10         20   751
## 2 2017-01-23         19   512
## 3 2017-03-04         17   600
## 4 2017-01-04         17   500
## 5 2017-02-04         15   499

p1 <-ggplot(data=menoscompras, aes(x=orderdate, y=frecuencia)) +
  geom_bar(stat="identity", fill="steelblue", width=10) +
  geom_text(aes(label=orderdate), vjust=1.6, color="white",
            position = position_dodge(0.9), size=3.5)+
  theme_minimal()


p1

## Warning: position_stack requires non-overlapping x intervals

• Por el contrario, el día 4 de Febrero se hicieron menos compras con frecuencia de 15 y total de $499

Productos que más y menos se venden

masymenosprods <- datos %>%
  group_by(product) %>%
  summarise(frecuencia = n()) %>%
  arrange(desc(frecuencia))

masymenosprods

## # A tibble: 9 x 2
##   product frecuencia
##   <fct>        <int>
## 1 a              879
## 2 g              747
## 3 h              684
## 4 d              677
## 5 e              536
## 6 f              429
## 7 b              383
## 8 i              282
## 9 c              188

p1 <-ggplot(data=masymenosprods, aes(x=product, y=frecuencia, fill=product)) +
  geom_bar(stat="identity") +
  geom_text(aes(label=product), vjust=1.6, color="white",
            position = position_dodge(0.9), size=3.5)+
  theme_minimal()


p1

• El producto que más se vende es: a con 879
• El producto que menos se vende es: c con 188

Cantidad de compras por género Femenino y Masculinao

frecgenero <- datos %>%
  group_by(gender) %>%
  summarise(frecuencia = n()) %>%
  arrange(desc(frecuencia))

frecgenero

## # A tibble: 2 x 2
##   gender frecuencia
##   <fct>       <int>
## 1 female       2665
## 2 male         2140

p1 <-ggplot(data=frecgenero, aes(x=gender, y=frecuencia, fill=gender)) +
  geom_bar(stat="identity") +
  geom_text(aes(label=gender), vjust=1.6, color="white",
            position = position_dodge(0.9), size=3.5)+
  theme_minimal()

p1

• El género Femenino es el que ha comprado más con 2665
• El género Masculino es el que h acomprado menos con 2140

Cantidad de compras por producto y por género Femenino y Masculinao

frecgeneroprod <- datos %>%
  group_by(gender, product) %>%
  summarise(frecuencia = n()) %>%
  arrange(desc(frecuencia))

frecgeneroprod

## # A tibble: 18 x 3
## # Groups:   gender [2]
##    gender product frecuencia
##    <fct>  <fct>        <int>
##  1 female a              494
##  2 female h              407
##  3 female d              389
##  4 male   a              385
##  5 female g              381
##  6 male   g              366
##  7 male   d              288
##  8 female e              287
##  9 male   h              277
## 10 male   e              249
## 11 female f              239
## 12 female b              213
## 13 male   f              190
## 14 male   b              170
## 15 female i              153
## 16 male   i              129
## 17 female c              102
## 18 male   c               86

ggplot(data=frecgeneroprod, aes(x=product, y=frecuencia, fill=gender)) +
  geom_bar(stat="identity")

• El género Femenino tiene más preferencias por los productos a con 494, h con 407 y d con 389 comparado contra el género masculino.
• Se observa que el producto c no es tan preferido

2. Segmentación de los clientes con la frecuencia, la recencia y el total de compra de cada cliente

• Se hace una nuevo data frame con los cliente únicos con las columnas clientes, resencia y frecuencia
• Hay 296 clientes diferentes,
• Se agrega una nueva columna conforme regla siguiente:

#segmentaClientes <- data.frame(cbind(cliente = sort(unique(datos$clientId))))
#nrow(segmentaClientes)

# Resumen de datos min y max
summarise(datos, minfecha = min(orderdate),
            maxfecha = max(orderdate))

##     minfecha   maxfecha
## 1 2017-01-02 2017-04-11

# Agrupando datos
segmentaClientes <- datos %>%
  group_by(clientId) %>%
  summarise(minfecha = min(orderdate),
            maxfecha = max(orderdate),
            frecuencia = n(),
            total = sum(Quantity * Price)) 

# Cuantos productos diferentes por cliente 
productosDifXCliente <- count(datos, clientId, product) %>% 
  group_by(clientId) %>%
  summarise(proddif = n()) 

# productosDifXCliente

segmentaClientes$prodDifXcliente <- productosDifXCliente$proddif

nrow(segmentaClientes)

## [1] 296

laultimacompra <- max(datos$orderdate)

segmentaClientes$recenciaDias = round(difftime(laultimacompra, 
                segmentaClientes$maxfecha, units = c("days")), 0)
segmentaClientes$recenciaSemanas = round(difftime(laultimacompra, 
                segmentaClientes$maxfecha, units = c("weeks")), 0)

# Haciendo la segmentación de clientes por las semanas de resencia
segmentaClientes$resenciaClase <- ordered(ifelse(segmentaClientes$recenciaSemanas < 2, '0-1 Semana', 
                                          ifelse(segmentaClientes$recenciaSemanas <= 3, '2-3 Semanas',
                                          ifelse(segmentaClientes$recenciaSemanas <= 6, '4-6 Semanas',
                                          ifelse(segmentaClientes$recenciaSemanas <=12, '7-12 Semanas','+12 Semanas')))),
                                   levels = c('0-1 Semana', '2-3 Semanas', '4-6 Semanas','7-12 Semanas','+12 Semanas' ))

# Haciendo la segmentación de clientes por total de compra
segmentaClientes$totalClase <- ordered(ifelse(segmentaClientes$total <= 50, '0-50', 
                                                 ifelse(segmentaClientes$total <= 100, '51-100',
                                                        ifelse(segmentaClientes$total <= 200, '101-200',
                                                               ifelse(segmentaClientes$total <=400, '201-400','+401')))),
                                          levels = c('0-50', '51-100', '101-200','201-400','+401' ))

# Visualizar columnas de segmentaclientes
# head(segmentaClientes[,1:6])
# head(segmentaClientes[,c(1,7,8,9,10)])

summary(segmentaClientes)

##     clientId         minfecha             maxfecha         
##  Min.   :  1.00   Min.   :2017-01-02   Min.   :2017-01-03  
##  1st Qu.: 74.75   1st Qu.:2017-01-10   1st Qu.:2017-03-03  
##  Median :149.50   Median :2017-01-21   Median :2017-03-23  
##  Mean   :150.01   Mean   :2017-01-29   Mean   :2017-03-16  
##  3rd Qu.:225.25   3rd Qu.:2017-02-12   3rd Qu.:2017-04-03  
##  Max.   :300.00   Max.   :2017-04-11   Max.   :2017-04-11  
##    frecuencia        total        prodDifXcliente recenciaDias     
##  Min.   : 1.00   Min.   :   5.0   Min.   :1.000   Length:296       
##  1st Qu.:10.00   1st Qu.: 320.0   1st Qu.:6.000   Class :difftime  
##  Median :16.00   Median : 560.0   Median :7.000   Mode  :numeric   
##  Mean   :16.23   Mean   : 582.6   Mean   :6.608                    
##  3rd Qu.:22.00   3rd Qu.: 771.2   3rd Qu.:8.000                    
##  Max.   :53.00   Max.   :1960.0   Max.   :9.000                    
##  recenciaSemanas        resenciaClase   totalClase 
##  Length:296        0-1 Semana  :97    0-50   :  3  
##  Class :difftime   2-3 Semanas :82    51-100 :  5  
##  Mode  :numeric    4-6 Semanas :59    101-200: 27  
##                    7-12 Semanas:54    201-400: 66  
##                    +12 Semanas : 4    +401   :195  
## 

Visualizando Recencia X Frecuencia

 RXF <- segmentaClientes %>%
   group_by(resenciaClase) %>%
   summarise(Freq = n()) 

RXF

## # A tibble: 5 x 2
##   resenciaClase  Freq
##   <ord>         <int>
## 1 0-1 Semana       97
## 2 2-3 Semanas      82
## 3 4-6 Semanas      59
## 4 7-12 Semanas     54
## 5 +12 Semanas       4

ggplot(data=RXF, aes(x=resenciaClase, y=Freq,    fill=resenciaClase)) +
  geom_bar(stat="identity") +
  geom_text(aes(label=Freq), vjust=1.6, color="white",
            position = position_dodge(0.9), size=3.5)+
  theme_minimal()

• Hay 97 clientes clientes que tardan de 0 a 1 semana en volver a realizar una compra
• Hay 82 clientes clientes que tardan de 2 a 3 semanas en volver a realizar una compra
• Hay 4 clientes que tardan mas de 12 semanas en volver a realizar compras

Visualizando Recencia X Total

 RXM <- segmentaClientes %>%
   group_by(totalClase) %>%
   summarise(Freq = n()) 

RXM

## # A tibble: 5 x 2
##   totalClase  Freq
##   <ord>      <int>
## 1 0-50           3
## 2 51-100         5
## 3 101-200       27
## 4 201-400       66
## 5 +401         195

ggplot(data=RXM, aes(x=totalClase, y=Freq,    fill=totalClase)) +
  geom_bar(stat="identity") +
  geom_text(aes(label=Freq), vjust=1.6, color="white",
            position = position_dodge(0.9), size=3.5)+
  theme_minimal()

• Existen 3 clientes que compran de $ 0 a $ 50 (euros, pesos..)
• Existen 195 clientes que realizan compras mayores a $ 401 (euros, pesos..)

3. Dendograma de la tipología de productos por el total gasto de cada cliente (cantidad por precio)

Se hace conforme al video 4

Nuevamente se visualiZa head y tail de los datos originales

Se hace la agrUpación por prodUcto y su cantidad

head(datos)

##   orderId clientId product gender  orderdate Quantity Price dia mes agnio
## 1       1      255       g female 2017-01-03        3     5   3   1  2017
## 2       1      255       a female 2017-01-03        3    14   3   1  2017
## 3       1      255       b female 2017-01-03        3    22   3   1  2017
## 4       1      255       a female 2017-01-03        1    14   3   1  2017
## 5       2      145       h   male 2017-01-05        1    26   5   1  2017
## 6       2      145       h   male 2017-01-05        1    26   5   1  2017

tail(datos)

##      orderId clientId product gender  orderdate Quantity Price dia mes
## 4800     999      241       i female 2017-03-13        2    32  13   3
## 4801    1000      235       e female 2017-02-03        2    30   3   2
## 4802    1000      235       b female 2017-02-03        1    22   3   2
## 4803    1000      235       f female 2017-02-03        1    24   3   2
## 4804    1000      235       h female 2017-02-03        1    26   3   2
## 4805    1000      235       g female 2017-02-03        2     5   3   2
##      agnio
## 4800  2017
## 4801  2017
## 4802  2017
## 4803  2017
## 4804  2017
## 4805  2017

ProdTotal <- datos %>%
   group_by(product) %>%
   summarise(total = sum(Quantity * Price))

ProdTotal 

## # A tibble: 9 x 2
##   product total
##   <fct>   <int>
## 1 a       23982
## 2 b       16566
## 3 c        3420
## 4 d       15984
## 5 e       31710
## 6 f       20856
## 7 g        7520
## 8 h       34996
## 9 i       17408

ggplot(data=ProdTotal, aes(x=product, y=total,    fill=product)) +
  geom_bar(stat="identity") +
  geom_text(aes(label=total), vjust=1.6, color="white",
            position = position_dodge(0.9), size=3.5)+
  theme_minimal()

• El producto que mas se vende es el h, e y a
• El producto que menos se vende es el c y g

Haciendo el dendograma

# Determinando ka distancia
d <- dist(ProdTotal$total, method = "euclidean")
d

##       1     2     3     4     5     6     7     8
## 2  7416                                          
## 3 20562 13146                                    
## 4  7998   582 12564                              
## 5  7728 15144 28290 15726                        
## 6  3126  4290 17436  4872 10854                  
## 7 16462  9046  4100  8464 24190 13336            
## 8 11014 18430 31576 19012  3286 14140 27476      
## 9  6574   842 13988  1424 14302  3448  9888 17588

pfit <- hclust(d, method = "ward.D")
plot(pfit, labels=ProdTotal$product,
     main = "Dendograma de la tipología de productos por el Gastos total de cada Cte.", xlab = "Productos")

rect.hclust(pfit, k = 4)

• El primer cluster se indentifica por los prouctos e y h.
• Un segundo cluster lo identifican los productos c y g
• Un tercer cluster lo identifican los productos i, b y d
• Un cuarto cluster lo determinan los productos a y f
• Estos gruos significa que los clientes cuando compran uno de ellos, seguramente también adquieren productos del mismo cluster.