# Podcastmetria Target T-Stadistic

https://www.youtube.com/watch?v=n5iBEh3_CrU

[00:00] Hola, bienvenidos a nuestro podcast.
[00:02] Target and Statistic.
[00:04] Mi nombre es Verónica.
[00:05] Ella es Sara.
[00:05] Hola, Verónica.
[00:07] Bueno, mi nombre es Sara.
[00:07] Sí.
[00:07] Bueno, este es nuestro podcast de estadística.
[00:11] Vamos a estar sumergiéndonos en nuestra base de datos llamada M Customers and H, el cual se trata básicamente de una segmentación de.
[00:18] Okay.
[00:19] Esta data proviene de un centro comercial y la verdad esperaba conseguir variables como fechas, ¿sabes?
[00:24] Para hacer seres de tiempo, eh, sabes, problemas de autocoración, tú sabes, el pan de cada día en cronometría.
[00:29] Sí, tal cual.
[00:29] Yo me, o sea, me sorprendió que no nos encontramos con eso porque son datos de corte transversal.
[00:34] Eh, tenemos eh varias variables, entre ellas cuantitativas y cualitativas.
[00:41] Es diferente, pero es una fotografía única perfecta para cementación por clusters.
[00:46] Obviamente olvidamos tu corretación y nos centramos en agrupar patrones y y nuestra base entre entre otros grupos como el género y este la categoría preferida.
[00:56] Entre ellas tenemos el lujo, la moda, la electrónica y una categoría económica.
[01:00] Y tenemos la variable de género que nos
[01:01] segmenta nos segmenta nuestra muestra
[01:02] entre hombres y mujeres.
[01:04] Segmentar por género es básico.
[01:06] Eh, la magia está en las siete variables que que tenemos, las cuantitativas, que vendrían siendo la edad, el ahorro estimado, eh, y el ingreso anual.
[01:13] Estos tres son el impulso para saber cuál es la situación económica de nuestros consumidores.
[01:18] Sí.
[01:18] Y no podemos olvidar tres variables que son oro puro para este análisis de retail, como son el índice de gasto, el costumer ID y la puntuación crediticia.
[01:26] Este conjunto es el motor para crear análisis de modelos predictivos y también estrategias de marketing directo.
[01:32] Exactamente.
[01:32] El credit score, ya que lo mencionas, eh es una variable que se mide del 1 al 100.
[01:38] Justamente eh pues cuantifica qué tan responsable es el cliente a la hora de pagar sus préstamos el crédito y es una pues un insight verdadero a la hora de saber qué tal es el consumidor con los créditos, cómo podemos analizar y cómo podemos hacer la segmentación de mercado allí también en el centro comercial.
[01:53] Y aquí viene mi parte favorita para los analistas de marketing sobre todo, y es que usamos tres datos que son esenciales y que aparecen en nuestra base de datos, que es la puntuación crediticia o el credit score,
[02:02] que nos da el riesgo financiero.
[02:04] Un puntaje alto significa una alta confianza y segmentamos aquí productos premium con más seguridad.
[02:10] Ahora tenemos el costumer ID, que es la llave que une todo.
[02:12] Esta es una variable que permite este hacer una segmentación eh y ver el los movimientos de nuestros consumidores de forma anónima, uniendo así todos los movimientos que hagan y irlos cementando por sus actividades económicas, gastos, ingresos, etcétera.
[02:24] Y la lant de marca, simple potente.
[02:27] ¿Cuánto lleva con nosotros este cliente y nos ayuda a segmentar y premiar es esa fidelidad de los clientes?
[02:34] Genial.
[02:35] O sea, al combinar estas variables, nuestra segmentación segmentación por clusters eh pasa a ser de básica predictiva y rentable, ¿verdad?
[02:41] Es la diferencia entre enviar un email eh masivo y enviar la oferta perfecta a la persona correcta.
[02:48] Y precisamente para que la audiencia entienda el valor de estas 12 variables que mencionamos, este, vamos a ponerle cara a nuestros 200 registros de nuestros clientes de este centro comercial.
[02:56] Sí, es crucial.
[02:56] Son 200, como comenta Sara, eh, y cada proporción define nuestros futuros clusters.
[03:03] Exacto.
[03:03] Sí.
[03:06] Entonces, eh vamos a empezar a analizar nuestra estadística y vamos a comentar así.
[03:10] Vamos a empezar con la distribución de género, que son datos puros.
[03:14] Aquí la muestra total este se divide en 212 que son mujeres y 88 que son hombres.
[03:20] Hay una ligera pero notable inclinación por el público femenino, lo que ya nos da una pista para hacer la estrategia de stock y comunicación con los clientes.
[03:29] El patrón es claro, la moda atrae a 41 clientes y la categoría económica 27, pero viene la sorpresa y es que la marca de lujo tiene 54 54 seguidores.
[03:42] Y la gran ganadora es la categoría de la electrónica que domina con 78 clientes.
[03:45] Eso es un insight directo la electrónica.
[03:49] Entonces domina dentro de este la muestra del centro comercial.
[03:51] Entonces sabemos que el 40% eh de nuestro foco vendría siendo atender esos 78 fanáticos de la tecnología.
[03:57] Es un clúster por el cual eh debemos iniciar y darle alta prioridad.
[04:01] Sí.
[04:03] Y por último tenemos la edad, ¿quién tiene más poder adquisitivo nuestra
[04:04] muestra? Y es que analizó la conseguimos
[04:06] que 38 clientes son jóvenes entre 18 y 25 años.
[04:08] Y luego la fuerza laboral que principal de nuestra base de datos son 60 clientes entre 26 y 35 años y el grupo más grande con 62 entre 36 y 50 años.
[04:19] Entonces el resto de los adultos tiene más de 51 años.
[04:21] Es obvio.
[04:23] Entonces, nuestro público eh no son los adolescentes, el objetivo vendrían siendo pues eh los adultos en plena etapa profesional, digamos que la población económicamente activa, que vendría siendo de 26 años a 50.
[04:36] Justo al combinar este de tanto tanto mujeres como hombres, sobre todo que tenemos más mujeres, este, con un gran interés en electrónica y una base sólida de clientes profesionales, ya podemos empezar con la descripción de nuestras variables cuantitativas.
[04:48] Retomando, ya sabemos quiénes son nuestros clientes.
[04:50] Ahora analicemos su pulso económico.
[04:52] Las variables de ingreso anual y ahorro estimado en miles de dólares nos dirán qué tan solvente es nuestra clientela.
[04:59] Exacto.
[04:59] Empecemos por el ingreso anual.
[05:00] En promedio, nuestros 200 clientes ganan $60,560
[05:05] eh con un con un mínimo de 15,000 y un máximo de $17,000.
[05:09] Tenemos un rango entre 222,000, que es una brecha amb el CO es para todos.
[05:15] Tal cual. Y miren la forma de la distribución.
[05:16] La mediana, que es $61,560, es casi idéntica a la media y el coeficiente de asimetría, que es 032 0,32 es muy bajo.
[05:25] Esto nos dice que el ingreso está distribuido de una forma casi simétrica.
[05:30] No hay una distribución eh grave por ingresos extremadamente altos.
[05:35] Ahora veamos la volatilidad.
[05:37] Eh, la desviación Starda es de $26,260,000 y la varianza es alta de 689 84.
[05:46] Hay mucha dispersión individual, lo que confirma que aunque el promedio es estable, los clientes tienen niveles de ingresos muy variados.
[05:52] Sí, ciertamente.
[05:54] Ahora pasemos al ahorro estimado que nos dice cuánto deja de gastar los clientes.
[05:58] La media es de $402,000 y la mediana es de eh 36,410.
[06:09] Aquí la cosa cambia.
[06:11] La media es mayor que la mediana y vaya que cambia.
[06:14] El coeficiente de simetría es de 1,07.
[06:16] Esto es un valor alto y positivo, lo que indica una simetría hacia la derecha.
[06:20] La mayoría de los clientes tienen ahorros bajos o medios.
[06:24] Y pero hay un pequeño grupo con ahorros extraordinariamente altos que tiran de la media.
[06:28] Sí, el rango de 114,10 lo confirma desde un mínimo de $6,460 hasta un máximo de $10,560.
[06:38] Tenemos dos clusters externos extremos, clientes con ahorros mínimos y un segmento pequeño pero poderosísimo con clientes superahorradores.
[06:48] Y la curtosis de 1,26 también positiva, sugiere que la distribución es electrocúrtica, más concentrada en el centro pero con colas gruesas, justo donde están esos orradores extremos.
[07:00] Interesante.
[07:02] El ingreso es estable y simétrico por lo que observamos en la estadística descriptiva.
[07:06] Entonces, el ahorro esgado eh por unos pocos clientes con mucho capital.
[07:09] Esto es vital para la
[07:11] Segmentación.
[07:13] Sabemos que nuestro mercado tiene una base de ingresos sólidos, eso está claro, pero las ofertas de inversión o lujo extremo deben ir dirigidas a ese pequeño y valioso clusters de superahorradores.
[07:25] Exacto.
[07:25] Y con esto tenemos el perfil demográfico y económico y estamos listos para aplicar los algoritmos y encontrar los clústers con el ojo que que el ojo no puede ver.
[07:32] ¿Estamos listos para aplicar los algoritmos y pasar a la segmentación de mercado predictiva en el próximo episodio?
[07:41] Absolutamente.
[07:41] Hemos confirmado que nuestro mercado es solvente y estable en ingresos, pero asimétrico en ahorro.
[07:47] Al cruzar estos datos con el índice de gasto y puntuación crediticia, podremos identificar los tres o cuatro clusters de clientes más valiosos.
[07:53] Hasta la próxima, gente.