Variables de Ruptura en Tom Micro: Segmentación de Datos y Análisis Cluster

Variables de Ruptura en Tom Micro: Segmentación de Datos y Análisis Cluster

ScreenHunter_107 Apr. 17 19.09

 

 

Tom Micro nos permite realizar Análisis Cluster.

Un análisis Cluster permite agrupar objetos basándose en la similitud y distancia entre sus datos.

El objetivo es la clasificación de individuos en un determinado número de grupos de modo que los miembros de un grupo son más parecidos, según los atributos definidos en una serie de variables al resto de miembros del grupo que al resto de miembros de otros grupos.

Hay muchas variedades de cálculo, a través de diferentes algoritmos, pero el que TOM MICRO usa es el K-means Clustering y el parámetro que define la semejanza de un individuo a otro es la distancia de dicho individuo respecto al centro del grupo.

Ejemplos de K.Means Clustering:

 

ScreenHunter_108 Apr. 18 09.35

 

Selección de grupos en función de la semejanza de individuos.

¿Para qué sirve?

Tiene muchas utilidades. Pero en Planificación nos ayuda a crear variables propias, ya sea para análisis de targets, o para entender comportamientos de nuestras segmentaciones, con el fin de encontrar el Core Target óptimo.

 

¿Por dónde empezamos?

Comenzamos a crear nuestra segmentación Cluster en el icono ScreenHunter_110 Apr. 18 09.44

Imagen1

 

En Construcción!!!

Advertisements
Anuncios

Deja un comentario

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.