Metodologia de Selecção de Segmentações Diversificadas: NLSON... · Metodologia de Selecção de…

Download Metodologia de Selecção de Segmentações Diversificadas: NLSON... · Metodologia de Selecção de…

Post on 27-Jul-2018

212 views

Category:

Documents

0 download

Embed Size (px)

TRANSCRIPT

  • Metodologia de Seleco de Segmentaes Diversificadas:

    Um Caso de Aplicao de Tcnicas de Data Mining em Dados de Consumo para Avaliao

    de Portflios de Cartes Bancrios

    por

    Nelson Manuel da Costa Cunha

    Dissertao de Mestrado em Gesto Comercial

    Orientada por

    Prof. Doutor Carlos Manuel Milheiro de Oliveira Pinto Soares

    E co-orientada por Prof. Dr. Alpio Mrio Guedes Jorge

    2009

  • Learn from yesterday, live for today, hope for tomorrow.

    The important thing is not to stop questioning.

    Albert Einstein (1879 - 1955)

  • v

    Agradecimentos

    Gostaria de agradecer a todos que, de uma forma ou de outra, ajudaram na realizao

    deste trabalho. Em especial ao meu orientador o Professor Doutor Carlos Manuel

    Milheiro de Oliveira Pinto Soares pela sua pacincia, boa disposio, compreenso,

    conselhos e total disponibilidade que revelou em todas as fases do trabalho e, acima de

    tudo, pela confiana que depositou em mim.

    Ao Prof. Alpio Mrio Guedes Jorge, co-orientador, pelo seu conhecimento transmitido

    sobre o tema, o tempo e dedicao dispensados nas revises e reunies.

    Queria tambm agradecer ao Laboratrio de Inteligncia Artificial e Apoio Deciso -

    INESC Porto L.A.

    empresa que disponibilizou os dados para este trabalho.

    Aos colaboradores da SAS Portugal pela ajuda prestada e tambm por me ter

    disponibilizado uma licena de utilizao de software.

    minha famlia, em especial minha me e ao meu pai, pelo seu apoio e compreenso

    incondicional desde o primeiro dia.

    A todos que me deram apoio para concluir este trabalho.

    Nelson Cunha

    Areias de Vilar, 2009

  • vii

    Resumo O tema deste trabalho a segmentao em marketing. Aparentemente a segmentao

    pode parecer fcil, mas revela-se ser um problema complexo, sobretudo porque

    frequentemente os objectivos no esto claramente definidos. Seguimos uma

    abordagem de Data Mining que usa o clustering para extrair informao til dos dados

    e agrupar os mesmos de modo a facilitar a criao e interpretao de perfis de consumo

    que se assemelhem entre si, a nvel psico-demogrfico e de comportamento. Tais

    segmentaes podem servir para identificar segmentos com comportamentos e

    motivaes de compra homogneos para os quais poder ser dirigida uma oferta

    especfica, como tambm podero servir na previso do perfil de gastos de novos

    clientes.

    Dado que fcil utilizar ferramentas de Data Mining para gerar vrias segmentaes

    diferentes, a escolha da segmentao mais adequada surge como um importante

    problema. Assim propusemos uma metodologia para a seleco (semi-) automtica de

    segmentaes (potencialmente) interessantes. A metodologia empiricamente testado

    no domnio de aplicao escolhido, o da rea bancria. Exemplificmos, como a

    metodologia pode ser usada para analisar a adequao do portflio de cartes de crdito

    e de dbito, com base em informaes de dois bancos portugueses

    Em geral, conclui-se que diferentes segmentaes obtidas, usando diferentes condies

    experimentais (e.g., variando a base de segmentao, o mtodo de clustering e/ou o

    nmero de clusters) do perspectivas diferentes sobre o conjunto de clientes analisados.

    O caso ilustrado tambm demonstra como a metodologia pode ser usada para identificar

    cartes de crdito ou de dbito que no so adequados para os segmentos de clientes,

    bem como identificar segmentos para os quais no h oferta adequada de cartes e,

    nesses casos, apoiar o desenvolvimento de novos produtos adequados para esses

    segmentos.

    Palavras-chave: Data Mining, Marketing bancrio, Segmentao, Clustering

  • ix

    Abstract The scope of this work is segmentation in marketing. Although it may seem easy, it

    turns out to be a complex problem, because the goals are frequently not clearly

    specified. We follow a data mining approach, using clustering to extract useful

    information in the data and group similar customers in order to facilitate the creation

    and interpretation of consumption profiles, in terms of psycho-demographic and

    consumption variables. Such segmentations can be used to identify segments with

    homogeneous behaviors and motivations of purchase, based on which specific offerings

    could be directed and also to forecast the profile of expenses of new customers.

    Given that it is easy to use data mining tools to generate many different segmentations,

    the choice of the most appropriate segmentation(s) arises as an important problem. We

    propose a methodology for the (semi-) automatic selection of segmentations, which are

    (potentially) interesting. The methodology is empirically tested on the chosen domain of

    application, banking. Additionally, we illustrate how the methodology can be used to

    analyze the adequacy of the portfolio of credit and debit cards, based on information

    from two Portuguese banks.

    In general, we conclude that different segmentations obtained using different

    experimental settings (e.g., varying the segmentation base, the method of clustering and

    the number of clusters), give different perspectives on the set of customers analyzed.

    Our illustrative study also shows how the methodology can be used to identify credit or

    debit cards that are not suitable for the customer segments as well as identify segments

    for which there is no suitable offering of cards and, in those cases, support the

    development of new, suitable products. Keywords: Data Mining, Bank Marketing, Segmentation, Clustering

  • xi

    Rsum

    Le thme de ce travail est la segmentation en marketing. Apparemment, la segmentation

    peut paratre facile, mais s'avre tre un problme complexe, car frquemment les

    objectifs ne sont pas clairement dfinis. Nous avons suivi une approche de Data Mining

    qui utilise le clustering pour extraire des informations utiles dans les donnes et les

    agrouper afin de faciliter la cration et l'interprtation de profil de consommation au

    niveau psycho-dmographique et comportementale. Telles segmentations peuvent servir

    identifier les segments avec des comportements et des motivations d'achat homognes

    auxquelles une offre spcifique pourra tre dirige, et aussi de prvoir le profil de

    dpenses de nouveaux clients.

    tant donn quil est facile dutiliser des outils de Data Mining pour grer de

    nombreuses segmentations diffrentes, le choix de la segmentation la plus approprie

    pose un grand problme. Ainsi nous proposons une mthodologie pour la slection

    (semi-) automatique de segmentations (potentiellement) intressantes. La mthodologie

    est empiriquement teste dans le domaine d'application choisie qui est celui du domaine

    bancaire. Nous expliquons galement comment cette mthodologie peut tre utilis pour

    analyser ladquation du portefeuille de cartes de crdit et de dbit, fonde sur des

    informations provenant de deux banques portugaises.

    En gnral, on peut conclure que diffrentes segmentations obtenues en utilisant

    diffrentes conditions exprimentales (par ex. en variant la base de segmentation, la

    mthode de clustering et/ou le nombre de clusters) donnent des perspectives diffrentes

    sur l'ensemble des clients analyss. Le cas illustr dmontre galement comment la

    mthodologie peut tre utilis pour identifier les cartes de crdit ou de dbit qui ne

    conviennent pas pour les segments de clients, ainsi qu' identifier les segments pour

    lesquels il n'y a pas offre approprie et, dans ces cas, soutenir le dveloppement de

    nouveaux produits adapts pour ces segments.

    Mots-cls : Data Mining, Marketing bancaire, Data Mining, Segmentation, Clustering

  • xiii

    ndice

    Agradecimentos............................................................................................................... v

    Resumo........................................................................................................................... vii

    Abstract .......................................................................................................................... ix

    Rsum............................................................................................................................ xi

    Lista de Tabelas .......................................................................................................... xvii

    Lista de Figuras............................................................................................................ xix

    Listagem de Siglas........................................................................................................ xxi

    1. Introduo ................................................................................................................... 1

    2. Segmentao em Marketing....................................................................................... 7

    2.1. Segmentao na Perspectiva do Negcio ........................................................... 9

    2.2. Segmentar: Benefcios & Limitaes ............................................................... 11

    2.3. Processo de Segmentao .................................................................................. 13

    2.3.1. Primeira Fase: A Segmentao Propriamente Dita ...................................... 14

    2.3.2. Segunda Fase: o Targeting............................................................................ 20

    2.3.3. Terceira Fase: O Posicionamento ................................................................. 23

    2.3.4. Quarta fase: O Desenvolvimento de um Programa de Marketing (marketing

    mix) ......................................................................................................................... 25

    2.4. reas de Aplicao da Segmentao................................................................ 27

    2.4.1. Segmentao de Mercados na Banca............................................................ 29

    3. Data Mining para Segmentao .............................................................................. 33

    3.1. Conceito de Data Mining................................................................................... 34

    3.2. Aplicaes de Tcnicas de Data Mining........................................................... 38

    3.3. Metodologias para o Data Mining.................................................................... 42

    3.3.1. CRISP-DM ................................................................................................... 42

    3.3.2. SEMMA........................................................................................................ 44

    3.3.3. CRISP-DM VS SEMMA.............................................................................. 46

    4. Clustering .................................................................................................................. 49

  • xiv

    4.1. Definio do Problema de Clustering .............................................................. 50

    4.2. Objectivos do Clustering................................................................................... 51

    4.3. Aplicaes do Clustering................................................................................... 52

    4.4. Clustering & Segmentao................................................................................ 53

    4.5. Mtodos de Clustering....................................................................................... 55

    4.5.1. Distncia entre Exemplos ............................................................................. 57

    4.5.2. Mtodo Hierrquico...................................................................................... 58

    4.5.3. Mtodo no Hierrquico ............................................................................... 61

    4.5.4. Mtodos Fuzzy (difuso) ................................................................................ 62

    4.6. Avaliao de Mtodos de Clustering................................................................ 63

    5. Seleco dos Clusterings........................................................................................... 65

    5.1. Definio do Problema ...................................................................................... 65

    5.3. Metodologia de Seleco de Segmentaes (Semi-) Automtica Simples ..... 66

    5.4. Seleco de Segmentaes usando ndices de Similaridade........................... 69

    5.5. Sumrio............................................................................................................... 76

    6. Resultados: Perspectiva Tcnica ............................................................................. 79

    6.1. Preparao dos Dados ....................................................................................... 79

    6.2. Descrio das Experincias: Mtodos e Parmetros ...................................... 82

    6.2.1. Determinao dos Clusters ........................................................................... 82

    6.3. Seleco de Segmentaes ................................................................................. 84

    6.4. Descrio e Anlise dos Resultados (das Segmentaes)................................ 86

    6.4.1. Segmentao W3F ........................................................................................ 88

    6.4.2. Segmentao K3P......................................................................................... 89

    6.4.3. Segmentao K5P......................................................................................... 90

    6.4.5. Segmentao H5P......................................................................................... 92

    6.4.5. Segmentao W5F ........................................................................................ 93

    6.4.6. Segmentao K10P....................................................................................... 94

    6.4.7. Segmentao W10P ...................................................................................... 96

    6.5. Sumrio............................................................................................................... 98

    7. Resultados: Perspectiva de Negcio ........................................................................ 99

    7.1. Cartes Bancrios .............................................................................................. 99

  • xv

    7.2. Cartes Bancrios Seleccionados ................................................................... 104

    7.3. Alinhamento de Cartes com os Segmentos Obtidos ................................... 110

    7.3.1. Segmentao K10P..................................................................................... 110

    7.3.2. Segmentao K5P....................................................................................... 115

    7.3.3. Segmentao W10P .................................................................................... 117

    7.4. Desenvolvimento de Novos Cartes ............................................................... 121

    7.5. Sumrio............................................................................................................. 123

    8. Concluso e Trabalho Futuro................................................................................ 125

    8.1. Sumrio...................................................................................

Recommended

View more >