Desarrollo de un modelo automático de generación de perfiles de clientes para mejorar el conocimiento de los consumidores de un holding

Abstract

Un reporte del World Economic Forum declara que más del 70% de los consumidores espera experiencias más personalizadas con las marcas con las que ineractúan [1]. Además, existe una tendencia de aumento del uso de Inteligencia Artificial (IA) en la industria del retail, donde se espera que crezca a un ritmo superior al 30% entre 2021 y 2027 según Juniper Research [2]. Luego, no es de sorprender que las empresas líderes estén buscando nuevas formas de mejorar la experiencia de sus clientes, y específicamente a la hora de segmentarlos. El trabajo de título se desarrolla en un conglomerado de empresas líder en el comercio físico y digital en América Latina., y tiene por objetivo evaluar una alternativa a la actual creación de perfiles de clientes a nivel corporativo. Se generan audiencias en base al aprendizaje de máquinas, incorporando insights y patrones distintos a lo utilizado por la empresa hoy en día, siguiendo la lógica de clientes como seres complejos que no se restringen a un único estilo de vida. Para ello, se aplica una variación de la metodología Cross Industry Standard Process for Data Mining, en donde se utiliza la información transaccional y sociodemográfica de los clientes para entrenar modelos mediante Filtros Colaborativos. Específicamente se utiliza Factorización de Matrices tradicional e híbrida, con el fin de poder segmentar tanto a clientes históricos como a clientes nuevos, para luego utilizar los algoritmos k-means y HDBSCAN de forma de clusterizar los embeddings obtenidos en el proceso anterior. Cabe destacar que, para hacerse cargo de un posible sesgo por estacionalidad relacionado a las transacciones de los clientes, se ejecutan los modelos para 3 ventanas temporales, una considerada época normal, otra de festividades y una última de vacaciones. Los resultados de los distintos modelos muestran un buen desempeño a nivel del ajuste del modelo a la data presente, con valores de precision de 0.94 y 0.68 para train y test respectivamente. y una leve mejora para el modelo que utiliza la función de pérdida Weighted Approximate-Rank Pairwise (WARP). En cuanto al sesgo temporal, no se desprenden diferencias significativas entre las distintas ventanas temporales, variando su precision en ±0.01. Por otro lado, los clusters obtenidos no muestran una relación directa con los lifestyles existentes, comportamiento que se mantiene para las tres ventanas temporales mencionadas. A pesar de no obtener una caracterización directa para dichos perfiles, sí se identifican relaciones no triviales para distintos clusters que merecen la pena ser estudiadas con mayor profundidad. Finalmente, se propone profundizar el análisis de los clusters obtenidos, mirándolo como un complemento de la segmentación actual y no como una alternativa independiente, de forma de añadir conocimiento externo, así como mejoras al proceso actual de generación de lifestyles.