Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Marketing y Finanzas
0
Los modelos analíticos son la base que tienen las empresas para realizar la
toma de decisiones. Es importante aterrizar cada una de las aplicaciones y
generar valor al negocio, de esta manera se construyen metodologías que
desde la Data Science pueden tener una aplicación a marketing y finanzas, 1
Tabla de contenido
3
Existen aplicaciones similares a las descritas anteriormente. A continuación,
se presentan algunas relacionadas con Marketing y Finanzas que debe
conocer:
Imagen 1. Pricing.
Fuente: (Ixiade, s.f.)
¡Importante! El objetivo general es buscar una ecuación matemática:
(𝑷𝒓𝒆𝒄𝒊𝒐=𝒄𝒐𝒏𝒔𝒕𝒂𝒏𝒕𝒆+𝒅𝒆𝒎𝒂𝒏𝒅𝒂+𝒐𝒕𝒓𝒂𝒔 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆𝒔)
De esta manera, se clasifican los escritores por patrones para saber cómo
se deben manejar las diferentes situaciones que se están analizando.
5
Análisis de imágenes: dentro de los datos no estructurados se encuentran
imágenes que no son fáciles de clasificar cuando su volumen es alto. Es por
eso, que se hace necesario identificar formas para analizarlas y que
permitan resumir eventos como lugares, estaciones, tráfico, emociones,
colores y comida entre otros.
Análisis de páginas web: una página web puede contener muchos caminos
pero no todos llegan a cumplir los objetivos esperados, razón por la cual, es
importante identificar cuál es las ruta más frecuente, más exitosa y menos
probable para realizar una compra.
2. Canasta de mercado
{pan, huevos}
Regla de asociación:
Expresión de la forma
𝑥→𝑦
{𝑝𝑎ñ𝑎𝑙𝑒𝑠} → {𝑐𝑒𝑟𝑣𝑒𝑧𝑎}
{𝑐𝑒𝑟𝑣𝑒𝑧𝑎} → {𝑝𝑎ñ𝑎𝑙𝑒𝑠}
{𝑝𝑎𝑛, 𝑙𝑒𝑐ℎ𝑒} → {ℎ𝑢𝑒𝑣𝑜𝑠}
Soporte:
10
Es una fracción de las transacciones que contiene tanto a X como a Y, siendo
estos itemset.
4
𝑆𝑜𝑝𝑜𝑟𝑡𝑒({𝑐𝑒𝑟𝑣𝑒𝑧𝑎}) = = 0.8
5
3
𝑆𝑜𝑝𝑜𝑟𝑡𝑒({𝑐𝑒𝑟𝑣𝑒𝑧𝑎, 𝑝𝑎ñ𝑎𝑙𝑒𝑠}) = = 0.6
5
11
3
3
𝑐𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎({𝑐𝑒𝑟𝑣𝑒𝑧𝑎} → {𝑝𝑎ñ𝑎𝑙𝑒𝑠}) = 5 = = 0.75
4 4
5
𝑠𝑢𝑝(𝑋, 𝑌) ≥ 𝑀𝑖𝑛𝑆𝑢𝑝𝑝
Esto garantiza de alguna manera que se tengan item set frecuentes que
sean interesantes al negocio.
¡Importante! Dicho de otra manera, se puede encontrar una pareja con un
soporte bien bajo y una confianza bien alta. Entonces, de nada sirve para la
organización decirle a un supermercado que todos aquellos que compran
vino chileno Carmene Gran Reserva también compran queso holandés
Premium importado, pues seguramente, si se van a ver los resultados en el
supermercado, son muy pocos los clientes que realizan este tipo de
compras, razón por la cual, es muy difícil impulsar la compra de un ítem con
respecto al otro.
El tener un mínimo soporte hace que se tenga dentro de las transacciones
un set frecuente que pueda apalancar la venta de otro ítem.
12
Lift:
sup(𝑥, 𝑦)
𝐿𝑖𝑓𝑡 =
𝑆𝑢𝑝(𝑥) ∗ 𝑆𝑢𝑝(𝑦)
13
Una aplicación en general para un supermercado podría ser: encontrar que
las galletas de soda son el apalancador para vender modificadores de leche.
Entonces, es aquí donde el área de marketing establecerá una promoción,
una campaña o un precio especial en la combinación de la compra de estos
productos para que efectivamente haya un incremento en la venta de los
modificadores de leche. Aunque otra de las aplicaciones podría ser colocar
juntos los productos, de tal manera que todo aquel que esté comprando
galletas de soda tiene más probabilidad de comprar algún tipo de
modificador de leche.
Otro posible uso puede ser encontrar una pareja de ítems que se compran
frecuentemente; uno de ellos puede ser el papel higiénico y otro de ellos
puede ser el agua. La estrategia que se utilizará por parte del supermercado
será colocar los dos ítems lo más alejados posibles.
𝒙→𝒚
14
A continuación, se muestra un ejercicio para que usted lo realice en R.
Cargue las siguientes librerías:
summary(groceries)
En esta salida se puede observar el resumen de las transacciones. Por
ejemplo, se puede observar que 2159 clientes solo compran un producto,
1643 compran dos productos y, por último, hay un cliente que compra 32
productos. 15
inspect(groceries[1:5])
16
La respuesta es sí, para ello tenga presente lo siguiente:
17
itemFrequencyPlot(groceries, support = 0.1)
groceryrules
> Groceryrules
set of 463 rules
¡Claro que sí! Es posible realizar una depuración a fin de encontrar un par
de ítem set frecuentes que sean interesantes para el negocio. Para ello siga
los siguientes pasos:
summary(groceryrules)
4. Ahora, el objetivo es ver cuáles son esas reglas. Aquí vamos a ver las
3 primeras reglas. Para ello, ingresamos el siguiente comando:
inspect(groceryrules[1:3])
> inspect(groceryrules[1:3])
1hs rhs support confidence lif count
[1]{potted plants} {whole milk} 0.006914082 0.4000000 1.565460 68
[2]{pasta} {whole milk} 0.006100661 0.4054054 1.586614 60
[3]{herbs} {root vegetables} 0.007015760 0.4312500 3.956477 69
inspect(sort(groceryrules, by = "lift")[1:5])
7. El criterio que se está teniendo es que los ordene por el lift, de esta
manera la primera regla es que existen 69 clientes que compran
hierbas y compran vegetales de raíz, entonces el 43% de los clientes
que compra hierbas también compra vegetales de raíz. Esto quiere
decir que los vegetales de raíz son apalancados 4 veces a uno con
respecto a comprar hierbas; eso es lo que dice el lift. De 3.95 con los
vegetales de raíz incrementan sus ventas en los clientes que han
comprado hierbas.
22
Esos valores se pueden modificar con el fin de tener un soporte más alto y
estar seguros de que la pareja que está hallando tiene más probabilidad de
encontrarse dentro de la tienda. De la misma manera, se puede mover la
confidencia para encontrar parejas que tengan más probabilidad de
comprarse una con respecto a la otra, y eso establece un lift mucho más
alto.
Análisis de
texto
Perfilación de Análisis de
autor sentimientos
Atribución de Verificación
autor de autor
25
• Cross sell (venta cruzada): Es importante para la banca crecer en
diferentes tarjetas habientes y a su vez también hacer crecer sus
productos en cada uno de ellos. De esta manera, se pueden asociar
más productos al cliente que ya tiene el banco. Para alguien que ya
tiene tarjeta de crédito visa y MasterCard, se puede encontrar cuál
es el producto más benéfico que debería tener el cliente, así se hace
una venta cruzada para ofrecerle más productos.
3. Afinidad de producto
Es importante estudiar las relaciones que se tienen entre los datos ya que
se pueden encontrar asociaciones que son útiles a la compañía. Por
ejemplo, en una red personal probablemente su hermano, su mejor amigo
o su pareja sean las personas más importantes dentro de su red., para una
compañía que desee lanzar una campaña que llegue a un número mayor de
usuarios basta con enviar dicha información a las personas más
importantes de su red, así ellas viralizarán la información y llegará a muchos
más usuarios.
Los grafos son herramientas interesantes para medir las relaciones que
existen entre los diferentes nodos de la información. Un caso muy aplicado
son las redes sociales, en donde todos los usuarios están conectados a
través de amigos formando relaciones entre cada uno de ellos. El objetivo
es estudiar cada una de las personas y cuál es el papel más importante que
genera sobre la red.
Para poder entender la forma en que se realiza la afinidad de mercado se
deben tener presente dos elementos: la teoría de grafos y otro tipo de
aplicaciones. 27
• Como se dijo, existe una persona en una red social que tiene muchos
más amigos que otra, y a su vez, esta persona tiene más amigos en
común con respecto a otras personas. Lo anterior configura todo este
espectro como el centro de una red.
Los grafos o relaciones tienen algunos parámetros que ayudan a medir las
características de la red como son: 29
La imagen del costado izquierdo muestra las relaciones que hay entre cada
uno de los individuos.
31
En azul está resaltada cada una de las segmentaciones las cuales
establecen por el grado de centralidad que existe entre la red, es decir;
entre más cerca estén los usuarios se dice que pertenecen a un grupo, a su
vez, entre más lejanos estén de otros individuos hace que pertenezcan a
otros grupos.
• Campañas
• Recomendación de productos
• Segmentos
• Fraude
• Comunidades
4. Modelos de precios
32
Existen técnicas a través de las cuales es posible establecer una medida
exacta para así determinar una optimización entre el precio ideal y la
ganancia del producto o servicio.
Markdown Pricing
Promotional Pricing
Strategic Pricing
34
Con las cuatro preguntas anteriores se establece una serie de curvas cuyo
objetivo es calcular proporcionalmente los siguientes datos:
Con el cruce de las cuatro curvas se establece una zona. El cruce de la gráfica
10 “demasiado barato” y “no es barato” se llama punto “marginal barato”.
El cruce de la línea “demasiado caro “y “no es caro” es el punto “marginal
caro”. El cruce entre “demasiado caro” y “demasiado barato” es el punto
óptimo.
¿Pero cómo se realiza este análisis conjunto? Para dar respuesta a esta
pregunta se debe tener presente que en Conjoint Analysis establece una
serie de comparaciones a través de las cuales se crean cuatro pantallas en
donde se ofrece cuatro diferentes productos, luego, se le pide al
encuestado que seleccione el de mayor preferencia.
40
Ejemplo:
4.5. Utilidad
De esta manera, la utilidad del color negro es la más alta. Esto quiere decir
que, entre todos los colores disponibles, la mayor preferencia está dada por
el color negro.
En el caso del análisis, se calculan las utilidades de cada una de las variables,
de esta manera se puede establecer cuál es la importancia del precio dentro
de la escogencia del producto.
42
Y luego de tener los valores y asociados a las medidas básicas, ¿qué hace
el área de analítica?
43
Ejemplo: para una empresa de telecomunicaciones se podría evaluar cada
una de sus áreas como, por ejemplo: la página web, el call center, la señal
y todos los problemas asociados al servicio de telecomunicaciones. El
resultado del modelo dirá cuál es el área o cuáles son las variables más
importantes a la hora de evaluar la satisfacción general.
Referencias
Glosario
Autor
Oscar Ayala
Universidad de La Sabana
Forum e-Learning
Versión 1
Copyright 2019. Todos los derechos reservados