10 TÉCNICAS Y EJEMPLOS PRÁCTICOS DE DATA MINING EN EL MARKETING

on .

LOS SECRETOS DEL DATA MINING PARA TU ESTRATEGIA DE MARKETING

Tecniche di data mining nel marketingValorizar la información de empresa incluida en grandes depósitos de datos es uno de los objetivos más conocidos del data mining. Pero las potencialidades de las técnicas, de las metodologías y de los ejemplos que forman parte de la definición de data mining van mucho más allá de la simple valorización de datos. En este artículo nos concentraremos en el marketing y en lo que puedes hacer tú mismo para promover tu empresa o tu negocio, incluso online, gracias al data mining. En la lista de las 10 técnicas y ejemplos prácticos seleccionados hemos dado voz a recursos y enlaces de profundización de forma que todos puedan conocer mejor este ámbito vasto y en continua evolución. Aprovechando las técnicas e inspirándote en los ejemplos que te mostraremos dentro de poco, serás capaz de potenciar y refinar tu estrategia de marketing y destacar de la competencia. ¡Empecemos!

1) CLUSTERING ANALYSIS PARA IDENTIFICAR GRUPOS OBJETIVO

El análisis cluster permite identificar dentro de un archivo un determinado grupo de usuarios según características comunes. Estas características pueden ser la edad, la procedencia geográfica, el título de estudio, etc. Se trata de una técnica de data mining que en el marketing es útil para segmentar la base de datos y enviar, por ejemplo, una cierta promoción al objetivo apropiado para ese producto o servicio (jóvenes, madres, jubilados, etc.). Las combinaciones de variables son infinitas y hacen que el análisis cluster sea más o menos selectivo según las exigencias de búsqueda.

Recursos importantes:

– Cluster Analysis by Jmp
 [ENG]

– La Cluster Analysis [PDF ITA] 

– Tutorial Cluster Analysis by Origine Lab  [ENG]

– Data Mining – Cluster Analysis by Tutorials Point

– Cluster Analysis for Market Segmentation  [SLIDE ENG]


2) REGRESSION ANALYSIS PARA HACER PREVISIONES DE MARKETING

Prever el futuro es el sueño de cualquier profesional de marketing. Sin sacar la bola de cristal tenemos de nuestra parte el análisis de regresión, una técnica de data mining gracias a la cual estudiar cambios, costumbres, nivel de satisfacción de los clientes y otros factores relacionados con parámetros como el presupuesto de una campaña publicitaria o similares. Cuando modifiques uno de estos parámetros tendrás una idea bastante verosímil de lo que le ocurrirá a tu público de usuarios.

Recursos importantes:

– Regression Analysis – predicting the future by Michael Pawlicki  [ENG]

– Regression Analysis – by b2binternational  [ENG]

– TECHNIQUE #9: Regression Analysis by Marketing Profs  [ENG]

– The Use Of Regression Analysis In Marketing Research by IDEAS  [ENG]

3) CLASSIFICATION ANALYSIS PARA IDENTIFICAR SPAM Y MÁS

¿Cómo clasificar un e-mail de respuesta de un cliente? Y ¿cómo identificar posibles correspondencias entre compradores potenciales de tus productos antes y después de una campaña publicitaria? La respuesta es una: análisis clasificatorio, la técnica de data mining que permite reconocer los llamados pattern (esquemas que se repiten) dentro de una base de datos. Una solución eficaz para que rinda más tu estrategia de marketing, eliminar lo superfluo y crear subarchivos optimizados.
Recursos importantes:

– Classification Analysis by Berkley  [ENG]

– Principal Components & Classification Analysis by Statistica  [ENG]

– Data mining: classification and analysis  [ENG]

4) ANOMALY DETECTION PARA RECONOCER LAS INCONGRUENCIAS

Cada negocio, por grande o pequeño que sea, tiene que afrontar a diario las consecuencias de posibles errores cometidos por empleados, proveedores o clientes. Un insignificante descuido durante la fase de introducción de datos o en la adquisición de un producto tiene el mismo efecto que una piedra en el zapato. Nada del otro mundo pero que de todas formas molesta. Para eliminar radicalmente incongruencias y anomalías de la base de datos se recurre a una técnica de data mining especial que se llama anomaly detection. También en este caso gestionará la búsqueda nuestro software, programado para realizar operaciones complejas en bases de datos que contienen hasta cientos de millones de registros (direcciones, nombres, etc.).

Recursos importantes:

– Machine Learning Anomaly Detection Service by Microsoft  [ENG]

– Survey on Anomaly Detection using Data Mining Technique by ScienceDirect  [ENG]

– Anomaly Detection by Oracle

– Outlier and Anomaly Detection by KDD Topics

– 6 Benefits Of Anomaly Detection Software For IT Ops/APM by Prelert

5) INTRUSION DETECTION PARA UNA MAYOR SEGURIDAD DEL SISTEMA

Marketing y seguridad son dos aspectos que parece que no tengan ninguna relación y que sin embargo van (o deberían ir) a la par. Imagina qué efectos deletéreos podría tener una campaña DEM (Direct Email Marketing) realizada en una base de datos contaminada. Para obviar la utilización de archivos infectados por intrusos (valores añadidos por saboteadores o auténticos virus que duplican los datos), solo hay que buscar a los intrusos, una técnica de data mining que sanea la base de datos y garantiza una mayor seguridad de todo el sistema.

Recursos importantes:

– Data mining for network security and intrusion detection by R-bloggers  [ENG]

– Data Mining Approaches for Intrusion Detection by Wenke Lee and Salvatore J. Stolfo  [ENG]

– Effective approach toward Intrusion Detection System using data mining technique by Science Direct  [ENG]

6) ASSOCIATION RULE LEARNING PARA DESCUBRIR LA RELACIÓN ENTRE DATOS

La utilización común del association rule learning concierne a las actividades de venta de productos, en especial para grandes volúmenes. Tanto si es online a través de un e-commerce o en persona en una tienda (o un centro comercial), se crean relaciones interesantes entre los datos que posees. Relaciones que no sospechabas o que ni siquiera te imaginabas. ¿Un ejemplo? El 90% de los clientes que compran online un producto también compran otro, siempre lo mismo. Detalles que nos permiten crear ofertas de marketing específicas, promociones especiales y fórmulas exitosas.

Recursos importantes:

– Association Rule Learning – Wikipedia  [ENG]

– Association Rule Mining – Not Your Typical Data Science Algorithm  [ENG]

– Association rules (in data mining) by Search Business  [ENG]

– Association Rule Learning and the Apriori Algorithm by R-Bloggers  [ENG]

7) DECISION TREES PARA OPTIMIZAR EL PROJECT RISK MANAGEMENT

Cada vez que tomas una decisión estás en una encrucijada. Cuando hay muchas opciones en vez de la encrucijada tienes un árbol de decisión. En principio tener que ver con un árbol de este tipo confunde las ideas, pero si tenemos una herramienta informática que organiza el árbol y nos somete a elecciones definitivas, incluidos costes/beneficios, la cosa cambia y el mismo árbol se convierte en una valiosa herramienta para el Project Risk Management. También en este caso la profundidad de análisis depende en gran medida de la tecnología disponible: cuanto más avanzado es el software, más sabrá indicarte el árbol cuál es el mejor camino a seguir.

Recursos importantes:

– Using a Decision Trees Example in Project Risk by Bright Hubpm  [ENG]

– Decision Tree (CART) – Retail Case Study Example (Part 5) by YOU CANanalytics  [ENG]

– Decision Trees for Decision Making by Harvard Business Review  [ENG]

– Decision Trees Choosing by Projecting “Expected Outcomes by Mind Tools  [ENG]

8) NEURAL NETWORKS PARA AUTOMATIZAR EL APRENDIZAJE

Complementar el clustering y los árboles de decisión es el concepto de red neuronal. Se trata de una de las aplicaciones más recientes del data mining según la cual la máquina que utilizas para tus acciones de marketing, y por tanto el ordenador que gestiona tu base de datos, “aprende” a identificar un determinado patrón en cuyo interior hay elementos con relaciones concretas entre sí. El resultado de este “aprendizaje” es el reconocimiento y la memorización de esquemas que pueden volverse útiles, quizás no en seguida pero sí en el futuro, para decidir si y cómo alcanzar un objetivo. La misma red neuronal puede ayudarte a conocer con mayor exactitud la composición del objetivo de un producto o servicio.

Recursos importantes:

– Neural Network Analysis by Ecommerce Digest  [ENG]

– Neural networks – are you ready for the rise of the machines? By Beyond  [ENG]

– Expert Systems with Applications by Semantic Scholar  [ENG]

9) RULE INDUCTION PARA ANÁLISIS PREDICTIVOS BASADOS EN LOS DATOS

Si se produce una circunstancia determinada y otra y otra, entonces conseguimos este resultado. Más o menos la regla de la inducción funciona así. Y no es poco: gracias a esta técnica de data mining puedes realizar sofisticados análisis predictivos pescando dentro de bases de datos con números de miles y miles de registros. Identificar regularidades ocultas quiere decir anticipar los tiempos y actuar con conocimiento de causa, algo que a menudo tus competidores se olvidan de hacer. ¿No es cierto?

  Recursos importantes:

– Rule Induction Method by DMS.IRB  [ENG]

– Rule Induction by Semantic Scholar  [ENG]

– An Experimental Study of Using Rule Induction Algorithm in Combiner Multiple Classifier by IJCIR  [PDF ENG]

10) DATA WAREHOUSING PARA EL TRATAMIENTO DE BIG DATA

La última, técnica esencial de data mining, pero quizás sería más correcto llamarla aplicación, se llama data warehousing. Aquí entramos en el ámbito de la creación del perfil del cliente (y no solo), en especial respecto al tratamiento de Big Data. Elegir un software como Egon para el data warehousing quiere decir simplificar las bases de datos, extrapolar la información más interesante sobre tus clientes, facilitar la elaboración de informes detallados y mucho más. En la migración de software y sistemas poder contar con software de data warehouse resulta aún más importante, antes que para el marketing para la evolución de la empresa en sí. ¡Probar para creer!

Recursos importantes:

– A Data Warehouse  [YOUTUBE ENG]

– What’s the difference between data mining and data warehousin? By Programmer Interview  [ENG]

– Data Warehousing Concepts by Oracle  [ENG]

– Data Warehousing – Schemas by Tutorials Point  [ENG]

Share on Google+0Tweet about this on TwitterShare on LinkedIn0