AdventureWorks — Visión 360 y segmentación de clientes (CRM)
Proyecto de análisis 360 de clientes y segmentación (clustering) usando el dataset público AdventureWorks, con el objetivo de obtener segmentos accionables para CRM/Marketing.
Archivos
Actividad_CRM.ipynb: notebook principal (EDA → preparación → K-Means → evaluación → conclusiones).- Notebook — Actividad_CRM.ipynb (GitHub)
- Abrir notebook en Colab
- Ver notebook en nbviewer
dataset_AW.csv: dataset público AdventureWorks utilizado.- Dataset — dataset_AW.csv (GitHub)
Metodología
- Entendimiento del dato (EDA): revisión de variables, calidad del dato y análisis descriptivo.
- Preparación: limpieza, selección de variables y transformaciones (incluida codificación de variables categóricas).
- Segmentación (K-Means): selección de K con Elbow y validación con Silhouette.
- Evaluación e interpretación: perfilado de clusters y recomendaciones de negocio por segmento.
Ejecución
- Abrir
Actividad_CRM.ipynben Colab o en Jupyter y ejecutar las celdas en orden.
Evidencias (capturas clave)
1) EDA — detección de outliers
2) Selección de K — método del codo
Se identifica k = 4 como número óptimo de clusters.
3) Validación — Silhouette
La puntuación media del coeficiente de Silhouette es 0,745, lo que indica un buen agrupamiento (cercano a 1).
Resultados del análisis (visión 360)
Tras el análisis general se observa que:
- La mayoría de clientes gasta entre 0 y 1300 USD.
- Aproximadamente la mitad compra bicicleta y la otra mitad no.
- El rango de edad predominante se sitúa entre 45 y 62 años.
- Los clientes tienen al menos un hijo.
- La mayoría dispone de vivienda en propiedad y al menos un coche.
- La mitad de clientes es de US y el segundo país por volumen es Australia.
- Ingresos principalmente entre 25.000 y 75.000 USD.
- Predominan estudios universitarios.
- Ocupaciones mayoritarias: manual o profesional.
Observaciones clave por variables:
- TotalAmount: distribución sesgada positivamente y relación positiva con BikePurchase y YearlyIncome (a mayor presupuesto, mayor probabilidad de compra y mayores ingresos).
- Age: concentración en tramos medios con algunos valores altos; relación positiva con TotalChildren y Occupation_Num.
- NumberCarsOwned: relación positiva con YearlyIncome_Num y Occupation_Num.
- Education_Num: relación positiva con Occupation_Num y YearlyIncome_Num.
- Variables binarias (BikePurchase, HomeOwnerFlag) ayudan a diferenciar compradores y perfiles patrimoniales.
Preparación de datos
- Verificación de inexistencia de nulos.
- Eliminación de variables no relevantes para el análisis (por ejemplo:
CustomerID,BirthDate,PersonType). - Codificación de variables categóricas (
Gender,MaritalStatus) a variables numéricas (Gender_Num,MaritalStatus_Num).
Modelado y validación
- Segmentación con K-Means sobre variables:
BikePurchase,TotalAmount,TotalChildren,Education_Num,Occupation_Num,YearlyIncome_Num
- Selección de k = 4 mediante Elbow.
- Validación con Silhouette medio = 0,745, indicando buena cohesión y separación entre clusters.
Segmentos identificados (interpretación de negocio)
Se identifican cuatro perfiles con implicaciones comerciales diferenciadas:
- Cluster 0: clientes con presupuestos bajos, que prácticamente no compran bicicletas y con ingresos anuales medios-bajos.
- Cluster 1: clientes que mayoritariamente compran bicicletas, con presupuestos medios-bajos e ingresos medios-bajos.
- Cluster 2: clientes que compran bicicletas, con presupuestos e ingresos medios-altos (perfil premium).
- Cluster 3: clientes que compran bicicletas, con presupuestos e ingresos medios y con hijos (perfil familiar).
Estrategia por segmento (acciones recomendadas)
| Cluster | Perfil resumido | Qué vender / enfoque | Acciones recomendadas |
|---|---|---|---|
| 0 | Presupuesto bajo, casi no compra bicicletas, ingresos medio–bajos | Productos de menor valor (piezas, accesorios) y activación | Campañas de reactivación y primeras compras repetidas; bundles económicos; cupones y descuentos. Analizar sensibilidad al precio y respuesta a programas de incentivos. |
| 1 | Mayoría compra bicicletas, presupuesto medio–bajo, ingresos medio–bajos | Bicicletas de entrada y gama económica | Promociones de gama económica; financiación; cross-sell de accesorios; upsell progresivo (mantenimiento, upgrades). |
| 2 | Compra bicicletas, presupuesto e ingresos medio–altos (perfil premium) | Productos premium, upgrades y servicios | Fidelización exclusiva: programas premium, ventajas, preventa, eventos, mantenimiento preferente. Enfoque a maximizar LTV. |
| 3 | Compra bicicletas, presupuesto e ingresos medios, con hijos (perfil familiar) | Packs y soluciones familiares | Ofertas familiares: descuentos multi-compra, packs infantiles/familia, campañas estacionales (ocio, vuelta al cole). |
Conclusiones (resumen)
- El modelo identifica 4 clusters coherentes y accionables. La validación mediante Silhouette medio = 0,745 indica un buen agrupamiento.
- El análisis 360 muestra un perfil predominante: gasto 0–1300 USD, ingresos 25.000–75.000 USD, edades 45–62, con hijos, vivienda en propiedad y al menos un coche; con mayor volumen en US y después Australia.
- Se observan relaciones consistentes entre variables: TotalAmount se asocia con compra de bicicleta e ingresos; Education/Occupation/Income mantienen coherencia socioeconómica.
- La segmentación permite focalizar campañas y optimizar recursos:
- Bicicletas y productos de mayor valor: priorizar clusters 1, 2 y 3.
- Accesorios/piezas y activación: orientar al cluster 0, valorando su sensibilidad a descuentos.
- Beneficio principal: mejor diseño de estrategias comerciales y mejora del ROI al reducir el público objetivo y personalizar mensajes por segmento.