Técnicas de Segmentación

tecnicas de segmentacion

El objetivo principal de la segmentación de mercados es encontrar grupos de clientes que difieran en aspectos importantes relacionados con el intéres que tienen en los productos, la participación en el mercado, o la respuesta a los esfuerzos de las campañas de marketing. Mediante la comprensión de las diferencias entre los grupos, el especialista en marketing puede tomar mejores decisiones estratégicas ante nuevas oportunidades, definir y posicionar sus productos, y atraer a los clientes con promociones más efectivas. (Chapman, Ch. y Feit, E.,2015).

Aunque la definición anterior parece sencilla, en la práctica es extremadamente difícil de ejecutar, y es por ello que existen diversas técnicas estadísticas (como análisis de conglomerados, clases latentes, modelos de clasificación, etc.) que pueden ser utilizadas para facilitar su aplicación. Dentro de los distintos programas estadísticos disponibles, el R proporciona una poderosa plataforma open source para la aplicación de las técnicas más importantes de la analítica de datos y es actualmente el programa más utilizado debido, principalmente, al hecho de incluir un mayor número de modelos estadísticos avanzados.

Este curso tiene como finalidad brindar los fundamentos estadísticos necesarios para aplicar las principales técnicas de segmentación de clientes usando el programa R. Se aprenderán diversas técnicas estadísticas con la finalidad de poder encontrar, evaluar y predecir segmentos de clientes dando énfasis a los aspectos metodológicos y a las soluciones de negocios.

Analistas e investigadores de mercado. Profesionales de marketing. Público en general que quiera desarrollar habilidades analíticas avanzadas.

Al finalizar este curso, el participante será capaz de aplicar diversas técnicas estadísticas descriptivas y predictivas usando el programa R con la finalidad de poder encontrar, evaluar y predecir segmentos de clientes.

De manera específica el participante estará en capacidad de:

  • Desarrollar e implementar una solución de segmentación de clientes.
  • Aplicar técnicas de segmentación descriptivas y predictivas.
  • Perfilar y validar segmentos de clientes.
  • Usar los resultados de la segmentación para construir modelos predictivos.
  • Utilizar el programa estadístico R para aplicar técnicas estadísticas de segmentación de clientes.
  • Interpretar los resultados de una segmentación.
  • Presentar de manera efectiva los resultados obtenidos con una segmentación de clientes.

Al comenzar el curso, el participante elegirá la categoría de certificación:

  • Certificado de asistencia: Para obtener este certificado debe de mantener un porcentaje mínimo de 70 % de asistencia a clases.
  • Certificado de aprobación: La calificación final se basa en dos exámenes o listas de ejercicios (30 % cada uno) y un proyecto colaborativo final (40%). Para aprobar el curso los participantes deben obtener un promedio final aprobatorio (mayor o igual a 11) y contar con el porcentaje mínimo de asistencia a clases. Los participantes que obtengan un promedio final igual a 18 o más recibirán un certificado de distinción.

La certificación que se otorga es excluyente.

Contenidos

UNIDAD 1: INTRODUCCIÓN

SESIÓN 1: Conceptos Básicos
  • Introducción sobre segmentación de clientes
    • Segmentación en Marketing.
    • Tareas y criteros de segmentación.
  • Tipos de segmentación en mercados de consumo.
    • Segmentación basada en el valor.
    • Segmentación por comportamiento.
    • Segmentación basada en propensión
    • Segmentación por lealtad.
    • egmentación socio-demográfica y ciclos de vidad.
    • Segmentación basada en actitudes y necesidades.
  • Tipos de segmentación en mercados de negocios.
  • Estrategias de gestión de la segmentación.
  • Métodos de segmentación.

UNIDAD 2: TÉCNICAS DESCRIPTIVAS EN SEGMENTACIÓN DE CLIENTES

SESIONES 1 y 2: Análisis de Conglomerados
  • Definiciones básicas.
    • Definición de conglomerados (clustering).
    • Requerimientos y tipos de conglomerados.
    • Medición de la similaridad y distancias.
    • Principales algoritmos.
  • Métodos particionales
    • Conglomerados basados en medias (K-medias, Entropy Weighted K-Means, etc.)
    • Conglomerados basados en modelos.
  • Métodos jerárquicos.
  • Análisis de clases latentes (LCA)
  • Criterios de comparación de resultados.
SESIÓN 3:Aplicación de Técnicas Descriptivas
  • Resolución de casos prácticos.
  • Aplicaciones en banca, telecomunicaciones y retail.

UNIDAD 3: TÉCNICAS PREDICTIVAS EN SEGMENTACIÓN DE CLIENTES

SESIÓN 4: Modelamiento Predictivo
  • Modelamiento predictivo: Conceptos básicos. Predicción numérica vs.clasificación.
  • Modelos de clasificación lineal y no lineal.
  • Matrices de confusión.
  • Precisión del modelo e interpretación.
  • Estimación de la tasa de mala clasificación.
SESIONES 4 y 5: Modelos de Clasificación
  • Naive Bayes.
  • Random Forest.
SESIÓN 6: Evaluación y Despliegue de un Modelo
  • Resolución de casos prácticos.
  • Aplicaciones en banca, telecomunicaciones y retail.

MÁS INFORMACIÓN

MODALIDAD
Online (Conferencia web)
(Revisa los Requisitos Técnicos)

DURACIÓN
24 Horas Académicas

NIVEL
Intermedio

CONOCIMIENTOS REQUERIDOS

Nuestros alumnos provienen de los principales sectores de la economía y empresas del país: