Técnicas de Segmentación

tecnicas de segmentacion

BENEFICIOS DE LA MODALIDAD ONLINE:
  • Podrás seguir nuestro curso en vivodesde tu casa u oficina en las fechas y horas indicadas a través de tu PC o Mac.
  • Tendrás a un instructor que además de ser un experto en la materia está capacitado para manejar la plataforma de entrenamiento y así lograr los objetivos de aprendizaje deseados durante cada sesión.
  • Podrás hacer preguntas y obtendrás respuestas en tiempo real.
  • Las sesiones serán registrada en un vídeo al cuál podrás acceder en cualquier momento hasta 2 meses después de finalizado el curso, de esta forma no te perderás de nada.

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.

Enver G. Tarazona Vargas

Enver Tarazona es Director Académico y co-fundador de Perustat Analytics. Trabajó como experto de la Dirección de Calidad, Procesos y Lealtad de Telefónica Móviles S.A. Cuenta con más de 7 años de experiencia como docente en las principales universidades del país, desempeñándose actualmente como profesor en la Pontificia Universidad Católica del Perú (PUCP) y en la Universidad del Pacífico (UP). Es también profesor invitado del curso de Minería de Datos en la maestría de Estadística Aplicada de la Universidad Nacional Agraria La Molina (UNALM). Tiene además experiencia como capacitador en programas de análisis estadístico como R, SPSS, SAS y Stata para diversas empresas e instituciones entre las que figura Telefónica Móviles S.A., la Superintendencia Nacional de Administración Tributaria (SUNAT) y la Caja Municipal de Ahorro y Crédito Huancayo S.A.

Enver es Ingeniero Estadístico e Informático de la UNALM y Magister en Estadística por la PUCP. Tiene también estudios culminados de maestría en Educación en la Universidad Peruana Cayetano Heredia (UPCH) . Su área de investigación se centra en el ámbito de la Teoría de Respuesta al íItem (TRI) bajo inferencia Bayesiana aplicada al Marketing, comportamiento del consumidor y la medición educativa. Ha participado frecuentemente como expositor en diversos eventos académicos nacionales e internacionales.

Ver el perfil de Enver Tarazona Vargas en LinkedInVer el perfil de Enver Tarazona Vargas

José A. Caycho Huamani

José Caycho trabaja como Analista Senior de Investigación de Marcados en la Dirección de Marketing de Supermercados Peruanos S.A. perteneciente al Grupo InRetail. Cuenta con más de 3 años de experiencia en el rubro de Retail, Conocimiento del Consumidor y de Investigación de Mercados. Es también docente en la División de Estudios Profesionales para Ejecutivos (EPE) de la Universidad Peruana de Ciencias Aplicadas (UPC)

José es Bachiller Estadístico e Informático de la Universidad Nacional Agraria La Molina (UNALM),
Especialista en Gestión de la Calidad y Productividad Total y candidato a Magister en Estadística
Aplicada por la UNALM.

Ver el perfil de José A. Caycho en LinkedInVer el perfil de José A. Caycho

Ebson David Allende Quintana

David Allende es Experto en Modelamiento Predictivo de la División de “Customer Relationship and Management” (CRM) del Banco Internacional del Perú. Ha sido experto en Datamining en la División de Inteligencia de Negocios de Telefónica del Perú, Consultor Analítico y Capacitador de SPSS Andino. Es profesor a tiempo parcial en la División de Estudios Profesionales para Ejecutivos (EPE) de la Universidad Peruana de Ciencias Aplicadas (UPC) y el Centro de Tecnologías de Información de la Universidad César Vallejo.

David es Especialista en Inteligencia de Negocios de la Universidad ESAN, Ingeniero Estadístico e Informático de la Universidad Nacional Agraria La Molina. Experiencia en proyectos de Business Analytics, Business Intelligence, Big Data con importantes entidades locales e internacionales en los rubros de banca, telecomunicaciones, consumo masivo y gobierno.

Ver el perfil de David Allende en LinkedInVer el perfil de David Allende

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 en 6 sesiones.

FECHAS
SSábados 24 y 31 de octubre; 7, 14, 21 y 28 de noviembre de 2015 de 9 am a 1 pm

NIVEL
Intermedio

CONOCIMIENTOS REQUERIDOS

INVERSIÓN
Público en General: S/. 1200 (ó US$ 400)

Inscripción Temprana (hasta el 17 de octubre de 2015): S/. 850 (ó US$ 280)

Estudiantes de Pre-Grado: S/. 600 (ó US$ 200)
Académicos / Estudiantes de Post-Grado: S/. 850 (ó US$ 280)

La inversión incluye certificado de participación digital emitido por PeruStat Analytics.

Todos los precios incluyen IGV.

FORMAS DE PAGO

1. Transferencia ó Depósito Bancario a nuestra cuenta corriente en soles

BANCO DE CRÉDITO DEL PERÚ
Titular: PeruStat Analytics S.A.C.
Cta. Cte. N° 194-2107756-0-63
CCI N° 00219400210775606395

2. A través de PayPal con tu tarjeta de crédito o débito. Si este es tu caso, por favor ponte en contacto con nosotros para enviarte los pasos de pago.

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