Segmentazione della clientela basata su modello rfm mediante algoritmi di clustering

Questa tesi tratta l’applicazione di clustering per la segmentazione di mercato basata sulle metriche del modello RFM (in anglosassone: recency, frequency, monetary), ovvero “prossimità d’acquisto”, “frequenza d’acquisto” e “valore monetario”. Le tecniche e metodologie di data mining permettono di interfacciarsi con dati che presentano grandi dimensioni, con lo scopo di rielaborarli permettendo l’ottenimento di informazioni utili e di qualità. In particolare, l’analisi dei gruppi (clustering), consiste nella ricerca all’interno di un set di dati (caratterizzato da n-osservazioni p-dimensionali)di gruppi di unità simili tra loro. L’obbiettivo di tale metodo è quello di individuare gruppi ”naturalmente” presenti tra le osservazioni. In un’economia interconnessa come quella di oggi, dove la maggioranza delle attività economiche ha la possibilità di vendere i propri prodotti e servizi a un vastissimo gruppo di persone, avere facile accesso ai dati e possedere dei metodi per poterli analizzare, può portare a vantaggi economici e competitivi. In particolare, la segmentazione del mercato, che consiste nella suddivisione degli agenti economici (o dei prodotti e servizi) in gruppi di utenti con caratteristiche simili, può rappresentare un valido strumento di ottimizzazione dei profitti, che affonda le sue radici nell’analisi approfondita delle specifiche fette di mercato a cui ci si intende rivolgere. Questo permette di rivolgersi ai consumatori con azioni di marketing mirate e con l’introduzione di prodotti personalizzati. Questa tesi nasce dalla curiosità di comprendere meglio la segmentazione di mercato in questo periodo storico, contraddistinto dai ”big data”. Nello specifico verrà illustrata l’applicazione di una segmentazione di mercato, con focus rivolto a coloro che hanno già effettuato acquisti, ovvero i clienti di un’ipotetica attività imprenditoriale, tali clienti acquistando vengono registrati in un database transazionale, mediante questo database è possibile attuare una segmentazione della clientela, in particolare si vedrà applicata tramite l’algoritmo di clustering delle ”k-medie” combinandolo al modello RFM. Il modello RFM è una tecnica di marketing che utilizza i dati di vendita, in particolare la prossimità d’acquisto, frequenza d’acquisto e valore monetario per assegnare dei punteggi ai clienti, mediante questi punteggi si attua una segmentazione suddividendoli in un numero di segmenti, pre-definito dal ricercatore, di equa numerosità. Il modello RFM è caratterizzato da una semplicità nella scelta del numero di segmenti e nel metodo di estrazione dei segmenti di mercato, tale caratteristica porta allo scopo di questo lavoro, ovvero quello di ”aggiornare” il modello RFM combinando agli algoritmi di clustering essendo loro caratterizzati da più forti presupposti per il raggruppamento delle unità in gruppi (o segmenti) e per la definizione del numero di gruppi da estrarre. Quindi, si cercherà di comprendere se l’applicazione del modello RFM mediante l’algoritmo delle k-medie, ne migliora effettivamente le prestazioni, in termini di maggiore qualità e precisione dei segmenti di mercato ottenuti.