-Rodriguez Alonso Adriana Guadalupe 175169

-Ivana Zúñiga Gutiérrez. 176796

-Alejandro González Briones 172762

-Candia Reyna Jonathan Guadalupe 176664

-Solis Aguiñaga Sarahi Guadalupe 175075

Esta técnica permite:

·       Identificar patrones

·       Agrupar datos

·       Segmentar clientes

·       Realizar análisis de sentimiento

A) Aglomerativa o divisiva.

Será aglomerativa o ascendente si se parte inicialmente de los individuos que se van , progresivamente fusionando, formando grupos que constituyen las sucesivas particiones. Por el contrario, ser divisiva o descendente si se parte de todo el conjunto de individuos como un conglomerado y se va sucesivamente subdividiendo en grupos más pequeños.

B)Jerárquica o no jerárquica.

En una clasificación no jerárquica se forman grupos homogéneos sin establecer relaciones entre ellos. En una clasificación jerárquica, en cambio, los grupos se van fusionando (o subdividiendo) sucesivamente, siguiendo una prelación o jerarquía, decreciendo la homogeneidad conforme se van haciendo más amplios.

C)Monotética o politética.

Una clasificación monotética está basada en una única característica muy relevante. Se procede de forma divisiva, separando entre individuos que la tienen e individuos que no la tienen.

Una clasificación politética está basada en un gran número de características y no se exige que todos los miembros de un conglomerado posean todas las características, (aunque sí que tengan cierta homogeneidad en ellas). Usualmente se procede en estos casos de forma aglomerativa.

Análisis Clúster en Zara

Zara, la popular marca de moda, ha implementado un sistema de análisis clúster para segmentar a sus clientes de manera efectiva. Este sistema permite identificar grupos de clientes con características y comportamientos de compra similares, facilitando la personalización de las ofertas y la comunicación de marketing.

¿Por qué es un caso de clúster?

El análisis clúster en Zara implica el uso de algoritmos matemáticos, como el k-means, para agrupar a los clientes en diferentes segmentos basados en datos de compra, preferencias de productos y comportamiento de navegación. Los grupos resultantes, o clústeres, son homogéneos internamente pero diferentes entre sí, lo que permite a Zara:

1. Personalización del Marketing: Adaptar sus campañas de marketing a las necesidades y preferencias específicas de cada clúster, mejorando la relevancia y efectividad de sus comunicaciones.

2. Optimización del Inventario: Ajustar el inventario y la distribución de productos según la demanda y las preferencias de cada segmento, lo que reduce costos y mejora la satisfacción del cliente.

Resultados del Análisis Clúster

El uso de análisis clúster permite a Zara identificar y entender diferentes perfiles de clientes, como aquellos que buscan moda rápida a precios accesibles versus aquellos que prefieren estilos más exclusivos. Este conocimiento detallado ayuda a Zara a diseñar y ofrecer productos que se alineen con las expectativas de cada grupo específico, manteniendo su posición competitiva en el mercado global de la moda.

Referencias

1. Optimove. "Customer Clustering: Cluster Segmentation Analysis". [Optimove](https://www.optimove.com/).

2. EdrawMind. "Zara Segmentation, Targeting, and Positioning". [EdrawMind](https://www.edrawmind.com/).

Este método ayuda a un mejor modelado de clientes, un mayor análisis predictivo y también se utiliza para orientar a tus consumidores con ofertas e incentivos personalizados según sus deseos, necesidades y preferencias.

#2. Análisis de k-vecinos.

Permite una mayor exactitud, al incluir varios parámetros de importancia para la lógica del negocio, como lo son la calificación promedio de los usuarios, contador de visitas y compras, se utiliza por ejemplo para crear los motores de recomendación específicos para cada cliente.