domingo, 24 de abril de 2016

Segmentación de clientes basada en RFM con SAS

El análisis RFM es una conocida técnica de segmentación del clientes. El modelo toma en consideración tres métricas:

1) Ticket medio de compra (Money)
2) Frecuencia de compra (Frecuency)
3) Tiempo qué hace que no compra (Recency)



En base a los resultados encontraré clientes de diferentes características. Alguno de los grupos que encuentro son:

- frecuencia de compra alta y ticket medio alto: clientes de alto valor (que debo cuidar)
- frecuencia de compra alta y bajo ticket medio: me interesa subir ticket medio (ofrecer otros productos)
- frecuencia de compra baja y ticket medio alto: me interesa subir frecuencia de visita (promociones con fecha)
- frecuencia alta y ticket medio alto, pero recencia baja: buenos clientes que debo recuperar ya que hace tiempo que no compran

Son sólo algunos de los grupos que puedo identificar y algunas acciones a tomar.

A continuación vamos a ver los pasos a dar para realizar un análisis RFM con SAS Enterprise Guide.

Partimos de un datasets con transacciones de compra como el que sigue:


Tenemos transacciones de compra donde tenemos identificada la fecha, el cliente, el producto y el importe de compra. Sobre este dataset ejecutamos la tarea de Guide 'Analisis RFM'.





Para parametrizar el análisis debemos seleccionar, el tipo de dataset de entrada, el rol que juega cada campo y el número de grupos de obtener por cada métrica y el tipo de gráficas a visualizar.







Tenemos dos salidas: un dataset con la puntuación RFM de cada cliente y un conjunto de gráficas que nos permiten analizar los grupos obtenidos. El campo puntuacion_rfm resume la puntación obtenida en las tres categorías (recency, frecuency, money). Los clientes con alta puntuación en las tres son clientes de alto valor.



Posiblemente los clientes con puntuaciones RFM: 233, 333 (alta frecuencia y alto ticket y recencia no baja) sean responsables del un porcentaje alto de las compras totales.

También podemos analizar este efecto en el siguiente mapa de calor:



Otro efecto interesante a estudiar es identificar grupos de baja recencia y alta frecuencia y ticket que son clientes que interesa reactivar y son candidatos a target en campaña de marketing.



Estas conclusiones son sólo algunas de las que se pueden obtener en un análisis de este tipo que como hemos visto resulta sencillo de realizar con SAS Enterprise Guide.

Más infomación en:

Formación SAS

Formación Business Intelligence







3 comentarios:

  1. Thanks for this selfless act. really feel very happy about sharing your useful update with us.

    Hadoop training in chennai

    ResponderEliminar
  2. Hola, estoy utilizando SAS Enterprise Guide y, cada vez que abro un proyecto, cuando tengo que asignar una librería en el servidor tengo que hacerlo utilizando el ratón y pinchando el botón derecho y asignar. A veces se me olvida y me saltan muchos errores ya que tengo colgadas muchas tablas que se utilizan en el servidor y si no se asigna la librería no las reconoce. Mi pregunta es, ¿existe alguna sentencia en código para asignarlas automáticamente sin necesidad de utilizar el ratón?

    Saludos y gracias.

    ResponderEliminar
    Respuestas
    1. Pregunta ya contestada en:
      https://sasybi.blogspot.com.es/2016/06/convocatoria-cursos-sas-en-septiembre.html

      Eliminar