Aplicando o conhecimento de forma simples e auto-explicativa.

Mostrando postagens com marcador Método de Ward. Mostrar todas as postagens
Mostrando postagens com marcador Método de Ward. Mostrar todas as postagens

domingo, 10 de abril de 2011

Quem vai ganhar uma caixa de mariola ? Em qual cliente devo agir via clusterização?

Esse post é baseado em um estudo de caso que bolei para uma palestra. A idea é simples... Vou classificar um grupo de clientes, visando uma possível ação de negócio.  Por exemplo, vou mandar uma caixa de mariola para eles.

Imagine o seguinte cenário: possuo informação de investimento e de margem líquida de determinados clientes, duas variáveis fundamentais para uma decisão de negócio. Na prática, a informação é de quanto eu gasto e de quanto eu lucro com esse cliente.

Para decidir quem vai receber meu mimo, vou usar uma metodologia conhecida como clusterização. De forma bem simplista, clusterização é uma técnica computacional onde o objetivo principal é criar grupos com características parecidas. Fazer isto não é exatamente algo trivial, porque além da questão computacional existe a questão conceitual, ou seja, qual é o melhor método de fazer isto? Note que a questão computacional não é um problema, para resolvê-la utilizei o R-Project. Já a conceitual é um problema, pois existem diversas técnicas diferentes.

Para facilitar o entendimento, imagine uma tabela em excel com varias linhas e apenas duas colunas. Cada linha é um cliente. O objetivo é fazer com que os clientes (linhas), que tenham valores similares na coluna 1 e 2 fiquem no mesmo grupo. A metodologia utilizada é denominada de (Espera aí que vou colar do livro...) "Agrupamento hierárquico de mínima variância", ou método de Ward. O critério para medir as distâncias foi o de distância Euclidiana.

A figura ao lado é um dendograma e serve para analisar quantos grupos naturais se formaram.
O eixo X, com um borrão preto, são as observações, ou seja, os meus clientes.

Resolvi extrair quatro grupos a partir do dendograma. Entendo que o ideal seria uma divisão mais segmentada, porém acredito que muitos grupos dificultam muito a análise e a conclusão.

Logo a energia de análise será voltada para 4 grupos apenas. Como utilizamos apenas duas variáveis, vou plota-las  e vou colorir os grupos.




A figura a seguir exemplifica os quatro grupos formados, através do plot. Os círculos grandes são as médias bidimensionais dos grupos. Existem dois grupos interessantes para receber um tratamento diferenciado, o verde e o azul, porém ambos são bem diferentes.

O Verde é mais coeso e não possui nenhum cliente com valor negativo, o azul já possui um caso. A variação do azul é muito grande o que pode gerar dificuldade e resultados muito diferentes do esperado, sendo assim os clientes do grupo verde serão escolhido para receber a caixa de mariola. 

A conclusão é que se você não sabe o que fazer com suas caixas de mariolas, uma segmentação via analise de cluster pode te ajudar. É óbvio que em problemas reais a escolha de variáveis é muito importante, e um cenário com mais de duas variáveis inviabilizam uma análise gráfica via plot de dispersão. Agora se seu problema não envolve mariolas não sei como te ajudar.