“SUPERMERCADO-KMEANSCLUSTERING”

## “El generador de valor de datos”

K-MEANS CLUSTERING

Importar la base de datos

Se escoge la base de datos que se trabajara.

file.choose()

bd12 <- read.csv("C:\\Users\\sofia\\OneDrive\\Documentos\\datos_clientes.csv")

Agregar el CustomerID como nombre de los renglones

bd13 <- bd12
rownames(bd13)<- bd13$CustomerID

Eliminar la columna de CustomerID

bd14 <- bd13
bd14 <- subset (bd14, select = -c (CustomerID))

Revisar presencia de datos anormales

summary(bd14)

##      Total             Visitas       
##  Min.   :    3.45   Min.   :  1.000  
##  1st Qu.:  178.30   1st Qu.:  1.000  
##  Median :  292.00   Median :  2.000  
##  Mean   :  415.62   Mean   :  4.227  
##  3rd Qu.:  426.63   3rd Qu.:  5.000  
##  Max.   :84236.25   Max.   :209.000

plot(bd14$Total,bd14$Visitas)

Los datos fuera de lo normal están fuera de los siguientes límites:
Límite Inferior = Q1 - 1.5IQR
Límite Superior = Q3 + 1.5IQR
Q1: Cuartil 1, Q3: Cuartil 3, IQR: Rango Intercuartil = Q3 - Q1

Calcular el Límite Superior del Total

iqr_total <- IQR(bd14$Total)
limite_superior_total <- 426.63 + 1.5*iqr_total
limite_superior_total

## [1] 799.1277

Conservar sólo los Tickets Promedios menores a 800

bd15 <- bd14
bd15 <- bd15[bd15$Total < 800, ]
summary(bd15)

##      Total           Visitas       
##  Min.   :  3.45   Min.   :  1.000  
##  1st Qu.:172.96   1st Qu.:  1.000  
##  Median :272.23   Median :  2.000  
##  Mean   :298.21   Mean   :  4.125  
##  3rd Qu.:390.24   3rd Qu.:  5.000  
##  Max.   :799.62   Max.   :209.000

Calcular el Límite Superior de las Visitas

iqr_visitas <- IQR(bd14$Visitas)
limite_superior_visitas <- 5 + 1.5*iqr_visitas
limite_superior_visitas

## [1] 11

Conservar sólo las Visitas menores a 12

bd16<-bd15
bd16 <- bd16[bd16$Visitas < 12, ]

summary(bd16)

##      Total           Visitas      
##  Min.   :  3.45   Min.   : 1.000  
##  1st Qu.:168.67   1st Qu.: 1.000  
##  Median :267.13   Median : 2.000  
##  Mean   :293.99   Mean   : 2.971  
##  3rd Qu.:384.80   3rd Qu.: 4.000  
##  Max.   :799.62   Max.   :11.000

plot(bd16$Total,bd16$Visitas)

k-means Clustering

Paso 1. Normalizar variables

bd17 <- bd16
bd17 <- as.data.frame(scale(bd17))

plot(bd17$Total,bd17$Visitas)

Paso 2. k-means Clustering

segmentos <- kmeans(bd17, 3)

segmentos

asignacion <- cbind(bd16, cluster = segmentos$cluster)
head(asignacion,10)

##          Total Visitas cluster
## 12347 615.7143       7       3
## 12350 334.4000       1       2
## 12352 313.2550       8       3
## 12353  89.0000       1       2
## 12355 459.4000       1       1
## 12358 584.0300       2       1
## 12361 189.9000       1       2
## 12362 522.6230      10       3
## 12363 276.0000       2       2
## 12364 328.2750       4       2

Exportar csv

write.csv(asignacion,"clientes_segmentados.csv")

Visualizar Segmentos

install.packages(“factoextra”)

library(factoextra)

## Loading required package: ggplot2

## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa

fviz_cluster(segmentos, data = bd17,
             palette=c("red", "blue", "black", "darkgreen"),
             ellipse.type = "euclid",
             star.plot = T,
             repel = T,
             ggtheme = theme())

## Warning: ggrepel: 3734 unlabeled data points (too many overlaps). Consider
## increasing max.overlaps

Optimizar k

library(cluster)
library(data.table)

set.seed(123)
optimizacion <- clusGap(bd17, FUN = kmeans, nstart = 25, K.max = 10, B = 50)

## Warning: did not converge in 10 iterations

## Warning: did not converge in 10 iterations

## Warning: did not converge in 10 iterations

## Warning: did not converge in 10 iterations

## Warning: did not converge in 10 iterations

## Warning: did not converge in 10 iterations

## Warning: did not converge in 10 iterations

## Warning: did not converge in 10 iterations

## Warning: did not converge in 10 iterations

## Warning: did not converge in 10 iterations

## Warning: did not converge in 10 iterations

## Warning: did not converge in 10 iterations

plot(optimizacion, xlab = "Numero de clusters k")

Conclusiones

En la base de datos se realizó una segmentación de mercado en base a la frecuencia de clientes al supermercado, asi como tambien la cantidad total por cada ticket, en este caso obtuvimos 3 clusters. Las recomendaciones para realizar un K-means Clustering, es revisar los datos y eliminar, agregar o modificar de la base de datos para que se pueda correr el programa. Tambien es muy importante el despues de realizar el Clustring, optomizar la K y realizar el plot.
La estrategia propuesta para el supermercado es realizar una campaña de marketing digital por medio de correos en los que a cada segmento de cliente en específico, hacerles promociones por los productos que mas compran cada uno y adaptados también a los precios que normalmente compran. Además de mandar cupones cada semana con cierto tiempo limitado.