Hispanopedia Wiki
Articulo de referencia

Segmentación geodemográfica

En marketing , la segmentación geodemográfica es una técnica de clasificación estadística multivariante que permite descubrir si los individuos de una población pertenecen a dif...

Hispanopedia WikiContenido en espanolLectura gratuita

En marketing , la segmentación geodemográfica es una técnica de clasificación estadística multivariante que permite descubrir si los individuos de una población pertenecen a diferentes grupos mediante comparaciones cuantitativas de múltiples características, partiendo del supuesto de que las diferencias dentro de cualquier grupo deberían ser menores que las diferencias entre grupos.

Principios

La segmentación geodemográfica se basa en dos principios sencillos:

  • Es más probable que las personas que viven en el mismo barrio tengan características similares que dos personas elegidas al azar.
  • Los barrios se pueden clasificar según las características de la población que los habita. Dos barrios cualesquiera pueden pertenecer a la misma categoría, es decir, tienen tipos de personas similares, aunque estén muy separados.

Algoritmos de agrupamiento

El uso de diferentes algoritmos conduce a resultados distintos, pero no existe un único método óptimo para seleccionar el mejor algoritmo, del mismo modo que ningún algoritmo ofrece una prueba teórica de su certeza. [ 1 ] Una de las técnicas más utilizadas en la segmentación geodemográfica es el conocido algoritmo de agrupamiento k-means . De hecho, la mayoría de los sistemas geodemográficos comerciales actuales se basan en un algoritmo k-means. Sin embargo, las técnicas de agrupamiento derivadas de redes neuronales artificiales, algoritmos genéticos o lógica difusa son más eficientes en bases de datos grandes y multidimensionales (Brimicombe 2007).

Las redes neuronales pueden manejar relaciones no lineales, son robustas frente al ruido y presentan un alto grado de automatización. No presuponen ninguna hipótesis sobre la naturaleza o distribución de los datos y ofrecen una valiosa ayuda para resolver problemas geográficos que, hasta la fecha, resultaban imposibles de solucionar. Uno de los métodos de redes neuronales más conocidos y eficientes para la agrupación no supervisada es el Mapa Autoorganizado (SOM). El SOM se ha propuesto como una mejora del método k-means, ya que proporciona un enfoque más flexible para la agrupación de datos censales. Recientemente, Spielman y Thill (2008) utilizaron el método SOM para desarrollar la agrupación geodemográfica de un conjunto de datos censales de la ciudad de Nueva York.

Otra forma de caracterizar la similitud de un polígono individual con todas las regiones se basa en la lógica difusa . El concepto básico de la agrupación difusa es que un objeto puede pertenecer a más de un grupo. En la lógica binaria, el conjunto está limitado por la definición binaria sí-no, lo que significa que un objeto pertenece o no pertenece a un grupo. La agrupación difusa permite que una unidad espacial pertenezca a más de un grupo con valores de pertenencia variables. La mayoría de los estudios sobre análisis geodemográfico y lógica difusa emplean el algoritmo Fuzzy C-Means y el algoritmo Gustafson-Kessel, [ 1 ] (Feng y Flowerdew 1999).

Sistemas

Entre los sistemas de segmentación geodemográfica más conocidos se encuentran Claritas Prizm (EE. UU.), CanaCode Lifestyles (Canadá), PSYTE HD (Canadá), Tapestry (EE. UU.), CAMEO (Reino Unido), ACORN (Reino Unido) y MOSAIC (Reino Unido). También están surgiendo nuevos sistemas dirigidos a subgrupos de población. Por ejemplo, Segmentos analiza los estilos de vida geodemográficos de los hispanos en Estados Unidos. Tanto MOSAIC como ACORN utilizan la onomástica para inferir la etnia a partir de los nombres de los residentes. [ 2 ] [ 3 ]

Grupos de estilo de vida de CanaCode

CanaCode Lifestyle Clusters , desarrollado por Manifold Data Mining , clasifica los códigos postales canadienses en 18 grupos principales de estilo de vida distintos y 110 estilos de vida específicos. [ 4 ] Utiliza estadísticas del año en curso sobre más de 10 000 variables que abarcan desde datos demográficos y factores socioeconómicos hasta gastos y rasgos de estilo de vida (por ejemplo, comportamientos del consumidor), incluyendo el uso de productos, el uso de medios de comunicación y la psicografía.

PSYTE HD

PSYTE HD Canada [ 5 ] es un sistema de segmentación de mercado geodemográfico que clasifica los códigos postales y las áreas de difusión canadienses en 57 grupos de estilo de vida únicos y tipos de vecindarios mutuamente excluyentes. PSYTE HD Canada se basa en la información demográfica y socioeconómica del Censo canadiense , además de diversos datos de terceros, combinados en un entorno de creación de clústeres de última generación. Los clústeres resultantes representan las instantáneas más precisas de los vecindarios canadienses disponibles. PSYTE HD Canada es una herramienta eficaz para analizar datos de clientes y mercados potenciales, obtener información y perspectivas de 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 desarrollado a nivel de código postal, hogar e individuo, y clasifica a más de 50 millones de consumidores británicos. Su objetivo es segmentar con precisión el mercado británico en 68 tipos de vecindarios distintos y 10 segmentos de marketing clave.

A nivel internacional, Global CAMEO es el sistema de segmentación de consumidores más grande del mundo, abarcando 40 países. También existe una clasificación global única, CAMEO International, que segmenta a nivel internacional.

CAMEO fue desarrollado y es mantenido por Callcredit Information Group.

Sistema Acorn

Acorn (A Classification Of Residential Neighborhoods ) es una herramienta desarrollada por CACI en Londres. Es la única herramienta geodemográfica disponible actualmente que utiliza datos del año en curso, en lugar de la información del Censo de 2011. Acorn ayuda a analizar y comprender a los consumidores para mejorar la interacción con clientes y usuarios de servicios y así implementar 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 población de Experian. Fue creado originalmente por el profesor Richard Webber (profesor visitante de Geografía en el King's College de Londres) en colaboración con Experian. La última versión de Mosaic se publicó en 2009. Clasifica a la población del Reino Unido en 15 grupos socioeconómicos principales y, dentro de estos, en 66 [ 6 ] tipos diferentes.

Mosaic UK forma parte de una familia de clasificaciones Mosaic que abarca 29 países, incluyendo la mayor parte de Europa Occidental, Estados Unidos, Australia y Extremo Oriente.

Mosaic Global es la herramienta global de clasificación de consumidores de Experian. Se basa en la premisa de que las ciudades del mundo comparten patrones comunes de segregación residencial. Mosaic Global es un sistema de segmentación consistente que abarca más de 400 millones de hogares en todo el mundo, utilizando datos locales de 29 países. Ha identificado 10 tipos de barrios residenciales presentes en cada uno de estos 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. Fue desarrollado por RDA Research, un proveedor australiano de soluciones geodemográficas.

Los segmentos geodemográficos geoSmart se generan a partir de las medidas demográficas y las características modeladas del Censo Australiano ( Oficina Australiana de Estadística ), y el sistema se actualiza para reflejar el crecimiento reciente de los hogares. La agrupación crea un código de segmento único que se representa mediante una descripción o una breve ilustración.

En Australia, geoSmart se utiliza principalmente para la segmentación de bases de datos, la captación de clientes, la elaboración de perfiles de zonas comerciales y la segmentación de buzones de correo, aunque puede utilizarse en una amplia gama de otras aplicaciones.

Clasificación del área de salida

La Clasificación de Áreas de Salida (OAC, por sus siglas en inglés) es la segmentación geodemográfica gratuita y abierta de la Oficina Nacional de Estadística del Reino Unido (ONS, por sus siglas en inglés), basada en el Censo de Población del Reino Unido de 2011. Clasifica 41 variables censales en una clasificación de tres niveles de 7, 21 y 52 grupos.

Las ventajas percibidas de la OAC sobre otras clasificaciones comerciales se derivan del hecho de que la metodología es abierta y está documentada, y de que los datos son abiertos y están disponibles gratuitamente tanto para el público como para las organizaciones comerciales, sujetos a condiciones de licencia.

OAC tiene una amplia variedad de aplicaciones potenciales, desde análisis geográficos hasta marketing social y elaboración de perfiles de consumidores. El sector público del Reino Unido es uno de los principales usuarios de OAC.

Tapiz comunitario de ESRI

Este método clasifica los vecindarios de EE. UU. en 67 segmentos de mercado, según factores socioeconómicos y demográficos, y luego consolida estos 67 segmentos en 14 tipos de Estilos de Vida con nombres como "Alta Sociedad", "Estilos para Adultos Mayores" y "Fábricas y Granjas". [ 7 ] La granularidad espacial más pequeña de los datos se produce a nivel del Grupo de Bloques Censales de EE. UU.

Véase también Segmentación de mercado#Empresas (bases de datos de segmentación propias)

Referencias

  1. 1 2 Grekousis, George; Thomas, Hatzichristos (2012). "Comparación de dos algoritmos difusos en el análisis de segmentación geodemográfica: los métodos Fuzzy C-Means y Gustafson–Kessel". Applied Geography . 34 : 125– 136. doi : 10.1016/j.apgeog.2011.11.004 .
  2. ↑ "Uso de sistemas inteligentes para inferir la etnia a partir de nombres, Richard Webber, UCL 2006" .
  3. ↑ " Onomástica para los negocios: ¿puede la discriminación ayudar al desarrollo? - Paris Innovation Review" . www.paristechreview.com
  4. ↑ "Clústeres de estilo de vida del consumidor | Minería de datos de múltiples tipos" . Consultado el 12 de noviembre de 2020 .
  5. ↑ Sistema de segmentación de mercado para Canadá PSYTE HD Canadá
  6. ↑ Experian. "Segmentación" . www.segmentationportal.com .
  7. ↑ " Datos de Esri: datos demográficos y empresariales 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" . Computers, Environment and Urban Systems . 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 segmentación geodemográfica . En B. Gittings (Ed.), Innovations in GIS 6 Londres: Taylor & Francis, (pp.  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". Applied Geography . 34 : 125– 136. doi : 10.1016/j.apgeog.2011.11.004 .
  • Spielman, SE; Thill, JC (2008). "Análisis de áreas sociales, minería de datos y SIG". Computers, Environment and Urban Systems . 32 (2): 110– 122. doi : 10.1016/j.compenvurbsys.2007.11.004 .