En marketing , la segmentación geodemográfica es una técnica de clasificación estadística multivariante para descubrir si los individuos de una población caen en diferentes grupos al hacer comparaciones cuantitativas de múltiples características con el supuesto de que las diferencias dentro de cualquier grupo deben ser menores que las diferencias entre grupos.
Principios
La segmentación geodemográfica se basa en dos principios simples:
- Las personas que viven en el mismo vecindario tienen más probabilidades de tener características similares que dos personas elegidas al azar.
- Los barrios se pueden categorizar en función de las características de la población que contienen. Dos vecindarios cualesquiera se pueden colocar en la misma categoría, es decir, contienen tipos similares de personas, aunque estén muy separados.
Algoritmos de agrupamiento
El uso de diferentes algoritmos conduce a diferentes resultados, pero no existe un único enfoque óptimo para seleccionar el mejor algoritmo, al igual que ningún algoritmo ofrece ninguna prueba teórica de su certeza. [1] Una de las técnicas más utilizadas en la segmentación geodemográfica es el algoritmo de agrupamiento k-means ampliamente conocido . De hecho, la mayoría de los sistemas geodemográficos comerciales actuales se basan en un algoritmo de k-medias. Aún así, las técnicas de agrupamiento provenientes de redes neuronales artificiales, algoritmos genéticos o lógica difusa son más eficientes dentro de grandes bases de datos multidimensionales (Brimicombe 2007).
Las redes neuronales pueden manejar relaciones no lineales, son resistentes al ruido y exhiben un alto grado de automatización. No asumen hipótesis sobre la naturaleza o distribución de los datos y brindan una valiosa ayuda en el manejo de problemas de carácter geográfico que, hasta la fecha, han sido imposibles de resolver. Uno de los métodos de redes neuronales más conocidos y eficientes para lograr la agrupación en clústeres sin supervisión es el mapa autoorganizado (SOM). SOM se ha propuesto como una mejora sobre el método de k-medias, ya que proporciona un enfoque más flexible para la agrupación de datos del censo El método SOM ha sido utilizado recientemente por Spielman y Thill (2008) para desarrollar la agrupación geodemográfica de un conjunto de datos del censo sobre Nueva York Ciudad.
Otra forma de caracterizar la similitud de un polígono individual con todas las regiones se basa en la lógica difusa. El concepto básico de agrupación difusa es que un objeto puede pertenecer a más de una agrupación. En lógica binaria, el conjunto está limitado por la definición binaria sí - no, lo que significa que un objeto pertenece o no a un grupo. La agrupación en clústeres difusa permite que una unidad espacial pertenezca a más de un clúster con diferentes valores de pertenencia. La mayoría de los estudios relacionados con el análisis geodemográfico y la lógica difusa emplean el algoritmo Fuzzy C-Means y el algoritmo Gustafson-Kessel, [1] (Feng y Flowerdew 1999).
Sistemas
Los sistemas de segmentación geodemográfica famosos son Claritas Prizm (EE. UU.), CanaCode Lifestyles (Canadá), PSYTE HD (Canadá), Tapestry (EE. UU.), CAMEO (Reino Unido), ACORN (Reino Unido) y el sistema MOSAIC (Reino Unido). También están surgiendo nuevos sistemas dirigidos a subgrupos de la población. Por ejemplo, Segmentos examina los estilos de vida geodemográficos de los hispanos en los Estados Unidos. Tanto MOSAIC como ACORN usan Onomastics para inferir el origen étnico de los nombres de los residentes. [2] [3]
Clústeres de estilo de vida CanaCode
CanaCode Lifestyle Clusters es desarrollado por Manifold Data Mining y clasifica los códigos postales canadienses en 18 grupos de estilo de vida principales distintos y 110 estilos de vida especializados. [4] Utiliza estadísticas del año actual sobre más de 10,000 variables que van desde la demografía hasta los factores socioeconómicos, los gastos y los rasgos de estilo de vida (por ejemplo, comportamientos del consumidor), incluido el uso de productos, el uso de medios y la psicografía.
PSYTE HD
PSYTE HD Canada [5] es un sistema de segmentación de mercado geodemográfico que clasifica los códigos postales canadienses y las áreas de difusión en 57 grupos de estilo de vida únicos y tipos de vecindarios mutuamente excluyentes. PSYTE HD Canada se basa en la base demográfica y socioeconómica del censo canadiense, además de varias otras entradas de datos de terceros combinadas en un entorno de construcción de clústeres de vanguardia. Los grupos resultantes representan las instantáneas más precisas de los vecindarios canadienses disponibles. PSYTE HD Canada es una herramienta eficaz para analizar los datos de los clientes y los mercados potenciales, obtener información y conocimientos del mercado e interpretar el comportamiento del consumidor en el diverso mercado canadiense.
Sistema CAMEO
Las clasificaciones CAMEO son un conjunto de clasificaciones de consumidores que las organizaciones utilizan internacionalmente como parte de sus estrategias de ventas, marketing y planificación de redes.
CAMEO UK se ha construido a nivel de código postal, doméstico e individual y clasifica a más de 50 millones de consumidores británicos. Se ha construido para segmentar con precisión el mercado británico en 68 tipos de vecindarios distintos y 10 segmentos clave de marketing.
A nivel internacional, Global CAMEO es el sistema de segmentación de consumidores más grande del mundo, que cubre 40 países. También existe una clasificación global única CAMEO International que segmenta a través de fronteras.
CAMEO fue desarrollado y mantenido por Callcredit Information Group .
Sistema de bellota
CACI en Londres desarrolla una Clasificación de barrios residenciales ( Acorn ). Es la única herramienta geodemográfica disponible actualmente que se construye utilizando datos del año actual en lugar de información del censo de 2011. Acorn ayuda a analizar y comprender a los consumidores para aumentar el compromiso con los clientes y los usuarios del servicio para ofrecer estrategias en todos los canales. Acorn segmenta los 1,9 millones de códigos postales del Reino Unido en 6 categorías, 18 grupos y 62 tipos.
Sistema MOSAIC
Mosaic UK es el sistema de clasificación de personas de Experian. Creado originalmente por el profesor Richard Webber (profesor visitante de geografía en la Kings College University de Londres) en asociación con Experian. La última versión de Mosaic fue lanzada en 2009. Clasifica a la población del Reino Unido en 15 grupos socioeconómicos principales y, dentro de ellos, 66 [6] tipos diferentes.
Mosaic UK es parte de una familia de clasificaciones Mosaic que cubre 29 países, incluida la mayor parte de Europa Occidental, Estados Unidos, Australia y el Lejano Oriente.
Mosaic Global es la herramienta de clasificación de consumidores global de Experian. Se basa en la propuesta simple de que las ciudades del mundo comparten patrones comunes de segregación residencial. Mosaic Global es un sistema de segmentación consistente que cubre más de 400 millones de hogares del mundo utilizando datos locales de 29 países. Ha identificado 10 tipos de barrios residenciales que se pueden encontrar en cada uno de los países.
sistema geoSmart
En Australia , geoSmart es un sistema de segmentación geodemográfica basado en el principio de que las personas con perfiles demográficos y estilos de vida similares tienden a vivir cerca unas de otras. Está desarrollado por un proveedor australiano de soluciones geodemográficas, RDA Research.
Los segmentos geodemográficos geoSmart se producen a partir de las medidas demográficas y las características modeladas del Censo de Australia ( Oficina de Estadísticas de Australia ), y el sistema se actualiza para el crecimiento reciente de los hogares. El agrupamiento crea un código de segmento único que está representado por una declaración descriptiva o un boceto en miniatura.
En Australia, geoSmart se utiliza principalmente para la segmentación de bases de datos, la adquisición de clientes, la creación de perfiles de áreas comerciales y la selección de buzones, aunque se puede utilizar en una amplia gama de otras aplicaciones.
La clasificación del área de salida
La Output Area Classification (OAC) es la segmentación geodemográfica libre y abierta de la Oficina de Estadísticas Nacionales del Reino Unido (ONS) basada en el Censo de Población del Reino Unido de 2011. Clasifica 41 variables del censo en una clasificación de tres niveles de 7, 21 y 52 grupos.
Las ventajas percibidas de OAC sobre otras clasificaciones comerciales se derivan del hecho de que la metodología es abierta y documentada, y que los datos son abiertos y están disponibles libremente tanto para el público como para las organizaciones comerciales, sujeto a las condiciones de la licencia.
OAC tiene una amplia variedad de aplicaciones potenciales, desde el análisis geográfico hasta el marketing social y la elaboración de perfiles de consumidores. El sector público del Reino Unido es uno de los principales usuarios de OAC.
Tapiz de la comunidad ESRI
Este método clasifica los vecindarios de EE. UU. En 65 segmentos de mercado, según factores socioeconómicos y demográficos, luego consolida estos 67 segmentos en 14 tipos de LifeModes con nombres como "Alta sociedad", "Estilos para personas mayores" y "Fábricas y granjas". [7] La menor granularidad espacial de datos se produce a nivel del Grupo de bloques del censo de EE. UU.
Consulte también Market_segmentation # Companies_ (proprietary_segmentation_databases)
Referencias
- ↑ a b Grekousis, George; Thomas, Hatzichristos (2012). "Comparación de dos algoritmos difusos en el análisis de segmentación geodemográfica: los métodos Fuzzy C-Means y Gustafson-Kessel". Geografía aplicada . 34 : 125-136. doi : 10.1016 / j.apgeog.2011.11.004 .
- ^ "Uso de sistemas inteligentes para inferir la etnia de los nombres, Richard Webber, UCL 2006" .
- ^ "Onomástica para empresas: ¿puede la discriminación ayudar al desarrollo? - Paris Innovation Review" . www.paristechreview.com .
- ^ "Clústeres de estilo de vida del consumidor | Minería de datos de múltiples" . Consultado el 12 de noviembre de 2020 .
- ^ Sistema de segmentación de mercado para Canadá PSYTE HD Canadá
- ^ Experian. "Segmentación" . www.segmentationportal.com .
- ^ "Datos de Esri - Datos demográficos y comerciales del año actual - Estimaciones y proyecciones" . www.esri.com .
- Brimicombe, AJ (2007). "Un enfoque dual para el descubrimiento de clústeres en conjuntos de datos de eventos puntuales" . Informática, Medio Ambiente y Sistemas Urbanos . 31 : 4–18. doi : 10.1016 / j.compenvurbsys.2005.07.004 .
- Feng, Z., Flowerdew, R., 1999. El uso de la clasificación difusa para mejorar la focalización geodemográfica . En B.Gittings (Ed.), Innovations in GIS 6 London: Taylor & Francis, (págs. 133-144).
- Grekousis, G .; Hatzichristos, T. (2012). "Comparación de dos algoritmos difusos en el análisis de segmentación geodemográfica: los métodos Fuzzy C-Means y Gustafson-Kessel". Geografía aplicada . 34 : 125-136. doi : 10.1016 / j.apgeog.2011.11.004 .
- Spielman, SE; Thill, JC (2008). "Análisis del área social, minería de datos y GIS". Informática, Medio Ambiente y Sistemas Urbanos . 32 (2): 110-122. doi : 10.1016 / j.compenvurbsys.2007.11.004 .
enlaces externos
- Segmentos de estilo de vida del consumidor
- [1]
- Clasificaciones CAMEO para el Reino Unido
- Segmentación de bellota
- Clasificación de la familia MOSAIC
- Segmentos Hispanos
- Segmentos geodemográficos geoSmart
- Grupo de usuarios de clasificación del área de salida