Análisis de segmentación de clientes en ventas minoristas mediante aprendizaje automático

Abstract

Trabajo Fin de Máster en Big Data (2022-23). Tutores: Dr. D. Diego Marín Santos ; Dr. D. Manuel Emilio Gegúndez Arias. In the retail sector, customer segmentation plays a pivotal role in understanding buying behavior and designing effective marketing strategies. This study addresses an analysis of consumer goods sales in a retail establishment using unsupervised machine learning techniques. With a dataset containing over 64.000 transactions from 22.000 customers over the course of a year, algorithms like K-Means, Hierarchical Clustering, and DBSCAN are applied to segment the store's audience based on recency, frequency, and investment. A valuable insight into purchase patterns and customer loyalty is provided, offering potential for enhancing business strategies in the retail sector.

En el ámbito minorista, la segmentación de clientes desempeña un papel crucial para comprender el comportamiento de compra y diseñar estrategias de marketing efectivas. Se aborda un análisis de ventas de bienes de consumo en un establecimiento minorista, utilizando técnicas de aprendizaje automático no supervisado. Con un conjunto de datos que abarca más de 64.000 transacciones de 22.000 clientes durante un año, se aplican algoritmos como K-Means, Hierarchical Clustering y DBSCAN, para segmentar el público del comercio según su recencia, frecuencia e inversión. Se proporciona una visión valiosa de los patrones de compra y la lealtad del cliente, aportando potencial para mejorar las estrategias comerciales en el sector minorista.