[MÚSICA] Neste
módulo "Segmentação" baseado em comportamento do consumidor,
o nosso foco agora é falar de procedimento de análise de agrupamentos.
São vários os procedimentos de agrupamentos ou
procedimentos de clusters ou procedimentos aglomeração, são todos sinônimos.
E eles se dividem em 2 grandes blocos, hierárquicos e não hierárquicos,
vamos falar primeiro dos hierárquicos.
Os hierárquicos é uma hierarquia, eu tenho uma base de respondentes,
eu tenho lá uma amostra com 100, 200, 500,
1 milhão de respondentes e eu quero agrupá-los e fazer grupos homogêneos.
Como? Através de processo hierárquico eu vou
começar a dar base e vou tentar encaixar cada daqueles 1 milhão em pequenos grupos.
Começo com 1 milhão de grupos, depois eu vou juntar 2, depois mais 1,
depois mais 1.
É processo hierárquico que ele vem de baixo para cima.
Esse processo hierárquico pode ser aglomerativo e nós vamos ver que tem
que mede a distância entre os grupos pelos pontos mais próximos,
que mede pelos pontos mais distantes e que mede pela média das distâncias e tem
procedimento de Ward.
Depois, nós temos procedimento que é não hierárquico que é muito usado para grandes
bases de dados onde você define à priori o seu número de grupos.
Nós vamos ver em detalhes todos esses procedimentos.
Os mais usados em marketing são esses: O Average Linkage o Ward e o K-means.
Esses nomes são em inglês, porque são muito usados também no Brasil e
por isso a gente gostaria que você soubesse a tradução,
média das distâncias e K-means é k-médias,
no método de Ward a gente chama de método de Ward porque é o nome do criador dele.
Como funciona?
Funciona mais ou menos assim, no método Single Linkage,
você tem vizinho mais próximo e você mede a distância entre os pontos mais
próximos de cada grupo e atribui isso à distância entre os grupos.
No método Complete Linkage é o ponto mais distante e o método
que a gente mais recomenda é o método Average Linkage,
onde existe uma média de distâncias entre os grupos.
Vamos ver como funcionam esses métodos de encadeamento através de exemplo.
Nós vamos fazer o método de vizinho mais próximo.
Imagine que eu tenha 5 grupos numerados de 1 a 5 e tem uma
tabela que marca as distâncias Euclidianas entre eles.
As distâncias Euclidianas são essas que você está vendo,
como por exemplo a distância entre o 4 e o 1, 1,81.
Eu poderia criar gráfico e esse gráfico me ajudar
a visualizar como os respondentes, os 5, estão separados entre si.
Para isso o que é que eu teria que fazer?
Eu coloco que o 1 e o 2 estão separados por 1,49, como está na matriz,
o gráfico também mostra que entre o 3 e o 4 nós temos uma distância de 1,48.
Entre o grupo formado pelo 1 e 2 e o novo grupo formado pelo
3 e 4 eu vou procurar agora a distância mais próxima do respondente mais próximo.
Eu encontro que essa distância é 1,81 que é entre o 1 e o 4 então eu
coloco lá no meu gráfico.
Esse gráfico é construído de uma maneira hierárquica, eu saio da base com
5 grupos e vou chegando na ponta com cada vez menos grupos até ter somente 2 grupos.
Dessa forma, eu tenho uma visualização pelo tamanho das barras,
do quão espalhados estão os agrupamentos e isso vai me
permitir definir o meu número de grupos.
O método hierárquico ele permite construir esse
gráfico que tem o nome de dendrograma.
Dendro vem da palavra grega folhas, árvores,
galhos por isso que é gráfico que parece uma árvore,
ele vai formando uma árvore que permite que eu veja as ramificações dos grupos.
Com base nesse dendrograma eu sou capaz de definir o meu número de grupos.
Vamos agora explicar pouco como funciona o procedimento hierárquico através do método
de Ward.
Esse é pouco diferente, ele não pega nem o vizinho mais próximo,
nem o vizinho mais distante, nem a média das distâncias.
O que ele faz, ele faz o seguinte: para cada grupo ele calcula como se fosse uma
média, centróide, ele calcula através de método que é minimizando a soma dos
quadrados das distãncias desse próprio ponto com os respondentes.
Esse método ele tem uma vantagem que ele provoca uma auto homogeneidade interna.
Esse método tem uma fórmula que assusta pouco,
mas essa fórmula entende-se como a fórmula que minimiza a soma das distâncias
dos quadrados dos desvios entre o centroide e cada respondente.
Este método, você tem aqui os clusters, os indivíduos e as distâncias,
esse método é muito bom, muito robusto, nós vamos também praticar.
E agora vamos pegar o nosso querido exemplo de gastos diários.
Este é o dendrograma de gastos diários.
Você se lembram daquelas 5 observações, a, d, b, e, c?
Aqui vocês estão vendo as distâncias Euclidianas entre o a e b que é muito
pequena, entre o b e e também é pequena, o grupo formado por b e e em relação ao c
também é pequena e depois tem uma enorme distância entre esses 2 blocos entre si.
Essa enorme distância permite, com tranquilidade,
dizer que a melhor separação para esses 5 respondentes é 2 grupos.
Porquê?
Você cortando em 2 grupos,
você passa uma reta no dendrograma e você vê quantas pernas tem, são duas.
Essas duas pernas indicam que você fazendo uma escolha de 2 grupos você está fazendo
uma ótima escolha porque a distância entre os 2 grupos é muito grande e se você
quisesse partir para 3 grupos você ia ter grupos muito parecidos, ou seja,
o respondente c é muito parecido com a e e e 3 grupos não seriam uma boa solução.
Método hierárquico permite fazer dendrograma,
dendrograma permite você decidir quanto grupos você quer.
E assim nós temos aqui os 2 grupos que agora nós podemos dizer de forma
matemática e precisa e podemos calcular as suas médias.
Nós podemos dizer que o gasto médio do grupo 1 em comida é 1,5,
o gasto médio do grupo 2 em comida é 8,5,
o gasto médio em roupas do grupo 1 é 4,5, o gasto médio de roupas em grupo 2 é 2.
Nós agora estamos em condições de fazer uma plano de marketing,
nós sabemos que temos 2 grupos, gasta mais em comida do que o outro, 8,5,
o outro gasta mais em roupas que o primeiro, 4,5.
Temos agora resolvido belo problema de marketing e podemos fazer
plano de marketing para atacar o segmento de gastadores em
comida de uma maneira distinta do segmento de gastadores em roupas.
Vamos falar pouco do método k-means que é uma técnica não hierárquica,
é uma técnica muito mais simples, na verdade ele não parte de baixo para cima,
ele não faz todos os parzinhos, ele só vai fazer diretamente a alocação dos
respondentes no número de grupos que você definiu que é exatamente esse chamado k.
Se você pedir para o software ele vai fazer 3 grupos,
ele divide diretamente em 3 grupos, ele não faz toda a árvore de baixo para cima.
Portanto ele não pode permitir fazer dendrograma e ele não te ajuda a definir o
número grupos.
De onde vem então o número de grupos?
Vem ou de uma teoria, ou de limite que você tem,
a empresa não pode trabalhar mais do que com 4 grupos e assim por diante.
Ou até mesmo, se você puder, faz primeiro o hierárquico e depois faz o k-means.
O k-means é muito usado na prática porque você pode fazer procedimento computacional
mais rápido e ele é muito bom para quando você tem base de dados acima de 100,
200, 300, 1 milhão de respondentes.
Se você tiver base de dados grandes você vai ter que usar o k-means.
Nós vamos depois praticar tanto o método de Ward, quanto o método de k-means,
quanto o método de Complete Linkage.
Para encerrar essa videoaula eu queria falar com vocês que nós vamos também ter
que saber quais variáveis que nós temos no nosso banco de dados.
Muitas vezes a gente tem banco de dados misto onde tem variáveis demográficas,
variáveis até psicográficas e também as variáveis comportamentais.
Quando você tem todas essas variáveis nós vamos aprender que nós vamos usar para
a segmentação a variável que informa o que o consumidor deseja,
são muito mais as variáveis de comportamento de compra.
A partir daí nós vamos depois usar as variáveis que a gente chama de
variáveis discriminantes, que são as variáveis ligadas com as
características demográficas, para saber quem é o consumidor.
Ou seja, na clusterização a gente define os grupos pelos comportamentos de compra,
depois analisa pelas variáveis demográficas para saber quem está por trás
de cada grupo, quem é o meu cliente, se é formado por pessoas a, b,
c, d ou se tem predominância do sexo, idade e assim por diante.
Nós já estamos preparados agora e vamos agora passar para a nossa aplicação
prática.
[SEM ÁUDIO]
