Modelo de Hábitos de Compra de Clientes en el Sector Mayorista Deportivo

Modelo de Hábitos de Compra

de Clientes en el Sector

Mayorista Deportivo

Miguel Ángel García Sánchez

Científico de Datos

https://miguel-angel-garcia.com

Introducción

•

PYMES

–

No se benefician de las ventajas de la IA

–

Ciencia de Datos puede ayudar en la toma de

decisiones

Ciencia de Datos y Aprendizaje

Automático ≠Big Data

Introducción

•

PYME gallega

•

Dedicada a la distribución mayorista de

material deportivo

•

Gestión centralizada en un ERP

–

SAP Business One hasta agosto de 2017

–

Odoo a partir de agosto de 2017

•

Clientes nacionales e internacionales

El Problema

•

Necesidad de conocer cuándo los clientes

cambian sus hábitos de compra

•

Objetivo empresarial

–

Realizar acciones comerciales para evitar la

pérdida de clientes

–

Mantener clientes fieles en cada línea de

El Problema

•

Retos

–

Combinaciones Cliente / Producto

•

4.062 clientes activos

•

24.565 productos

•

¡Casi 100 millones de combinaciones!

–

Clasificación de Productos

•

Sólo criterios internos

•

No existen grupos por tipología o características

–

Productos con tallas / colores

•

Creados agrupados y sin agrupar

–

Productos de temporada

El Problema

•

Ciclo metodológico tradicional

–

Ej: CRISP-DM

Preparación

de Datos

Modelado

Evaluación

Despliegue

Preparación

de Datos

Modelado

Despliegue y

Evaluación

Los Datos

•

Orígenes de Datos

–

SQL Server

•

Tablas de SAP Business One

•

Pedidos de clientes

–

Cabeceras

–

Líneas

–

Maestro de artículos

–

Maestro de marcas

_{Tablas y campos utilizados}

Los Datos

•

Problemas iniciales

–

Diferentes códigos

para el mismo

producto en distintas

tallas

•

0021730 - ALETA CORTA TALLA 33/34

•

0021731 - ALETA CORTA TALLA 35/36

•

0021732 - ALETA CORTA TALLA 37/38

•

0021733 - ALETA CORTA TALLA 39/40

•

0021734 - ALETA CORTA TALLA 41/42

•

0021735 - ALETA CORTA TALLA 43/44

•

0021736 - ALETA CORTA TALLA 45/46

–

Descripciones

•

Productos con

colores o medidas

irrelevantes

–

BOLSA ZAPATILLERO MEDIANA

MINITEAM COLOR MARINO/REAL

VIVO BLANCO SOFTEE

•

Textos en

mayúsculas

•

Faltas de ortografía

–

BALON FUTBOL TEJIDO GIGANTE 40

CM-DESCATALOGADOOOO-

–

JUEGO POSTES VOLEÍBOL FIJOS DE

ALUMINIO SECCION CUADRADA 80 X

80MM

Transformación de Datos

•

Objetivo

–

Agrupar productos similares

•

Herramientas

–

Limpieza

•

Eliminar términos innecesarios en las descripciones

•

Eliminar las marcas de la descripción (si es posible)

–

Técnicas de Procesamiento de Lenguaje Natural

(PLN)

•

Corrección ortográfica en base a corpus (CREA)

–

Descartado (baja calidad de los servicios de la RAE)

•

Análisis léxico

Transformación de Datos

•

LinguaKit

–

Herramienta utilizada

como lematizador

•

Modelo de Espacio

Vectorial (MEV)

–

Similar al utilizado en

clasificación de

documentos

–

Asociación entre

términos

•

Futbol

–

Sala

–

Balon

Transformación de Datos

•

Mitad de los productos

–

Agrupados en función de su primera palabra

•

La otra mitad

–

Usando clustering

Transformación de Datos

•

Primeras palabras más frecuentes

Análisis Exploratorio

•

Evolución del volumen de ventas

Unidades por cliente (top 5) y mes

Análisis Exploratorio

•

Evolución del volumen de ventas

–

Combinación de 10 clientes y 10 grupos de productos

–

100 modelos

Análisis Exploratorio

•

Evolución del volumen de ventas

Modelo de Regresión Lineal

de Mínimos Cuadrados

Modelo de Regresión Lineal

de Mínimos Cuadrados

•

R

2

_{en cada modelo}

–

Máximo valor 0,264

C00394 C00416 C00449 C00859 C00914 C00994 C02541 C02975 C06584 C00635

agu-ban-par

0,122

0,059

0,007

0,038

0,058

0,131

0,102

0,074

0,005

NaN

balon

0,161

0,072

0,001

NaN

0,023

0,000

0,103

0,037

0,004

0,029

camiseta

0,067

0,000

0,001

0,019

0,001

NaN

0,006

0,042

0,007

NaN

fut-neg-uni

0,100

0,056

0,001

NaN

0,091

0,003

0,064

0,000

0,006

0,041

gorro

0,002

0,074

0,021

0,064

0,010

0,005

0,012

0,067

0,053

NaN

pad-pal-neg

0,058

0,031

0,058

NaN

0,019

0,019

0,001

0,004

0,015

NaN

pelota

0,142

0,118

0,090

NaN

0,014

0,264

0,147

0,001

0,010

0,030

pos-aro-tab

0,185

0,047

0,015

0,012

0,098

0,248

0,122

0,078

0,001

0,084

sudadera

0,037

NaN

0,012

0,029

0,008

NaN

NaN

0,104

0,048

NaN

zapatilla

0,046

NaN

0,012

NaN

0,072

NaN

0,014

0,016

0,006

NaN

Modelo de Regresión Lineal

de Mínimos Cuadrados

Modelo de Clasificación

•

Premisa

–

Evitar la variabilidad en los datos

–

Mantener la sencillez del modelo global

–

Fácil de explicar

•

Camino tomado

–

Discretización de la variable a predecir

•

Usando intervalos específicos para cada modelo

•

Método de clustering para el ajuste de intervalos

–

Algoritmos de la familia de árboles de decisión

•

OneR

•

C4.5

Modelo de Clasificación

•

OneR

V

ALORES

DE

F

₁

(E

NTRENAMIENTO

)

V

ALORES

DE

F

₁

(T

EST

)

C00394 C00416 C00449 C00859 C00914 C00994 C02541 C02975 C06584 C00635

agu-ban-par

0,516

0,770

0,928

0,767

0,972

0,761

0,717

0,958

0,986

-balon

0,786

0,852

0,885

-

0,958

0,928

0,654

0,806

0,972

0,986

camiseta

0,928

0,972

0,972

0,972

0,958

-

0,896

0,972

0,986

-fut-neg-uni

0,599

0,825

0,958

-

0,928

0,746

0,862

0,896

0,986

0,694

gorro

0,566

0,616

0,787

0,806

0,461

0,844

0,879

0,912

0,986

-pad-pal-neg

0,690

0,943

0,943

-

0,748

0,806

0,972

0,972

0,986

-pelota

0,714

0,654

0,943

-

0,825

0,768

0,832

0,879

0,986

0,986

pos-aro-tab

0,626

0,745

0,801

0,928

0,943

0,628

0,752

0,943

0,972

0,943

sudadera

0,986

-

0,958

0,972

0,972

-

-

0,958

-

-zapatilla

0,958

-

0,928

-

0,747

-

0,972

0,730

0,986

-C00394 C00416 C00449 C00859 C00914 C00994 C02541 C02975 C06584 C00635 agu-ban-par 0,583 - 0,957 0,800 0,857 0,250 0,745 0,957 0,857 -balon 0,542 0,800 0,952 - 0,957 - 0,706 0,909 0,857 0,957 camiseta 0,909 - 0,957 0,909 0,800 - 0,957 0,909 0,857 -fut-neg-uni 0,824 0,957 - - - 0,909 0,800 - 0,957 0,671 gorro 0,889 0,706 0,800 0,857 0,542 0,857 0,667 - 0,857 -pad-pal-neg 0,578 - 0,957 - 1,000 0,909 - 0,957 0,857 -pelota 0,842 0,723 0,957 - 0,857 0,670 0,800 0,957 0,909 -pos-aro-tab 0,667 0,400 0,222 0,800 0,800 0,757 0,333 0,957 0,588 0,588 sudadera 0,957 - 0,957 - 0,909 - - 0,800 - -zapatilla - - - - 0,857 - - 0,737 0,588

-Modelo de Clasificación

•

C4.5

V

ALORES

DE

F

₁

(E

NTRENAMIENTO

)

V

ALORES

DE

F

₁

(T

EST

)

C00394 C00416 C00449 C00859 C00914 C00994 C02541 C02975 C06584 C00635 agu-ban-par 0,737 - 0,957 0,800 0,857 0,250 0,612 0,957 0,857 -balon 0,583 0,533 0,952 - 0,957 - 0,661 0,909 0,857 0,957 camiseta 0,909 - 0,957 0,909 0,800 - 0,957 0,909 0,857 -fut-neg-uni 0,857 0,957 - - - 0,900 0,800 - 0,957 0,800 gorro 0,286 0,909 0,706 0,857 0,286 0,857 0,667 - 0,857 -pad-pal-neg 0,589 - 0,957 - 1,000 0,800 - 0,957 0,857 -pelota 0,900 0,847 0,957 - 0,857 0,690 0,800 0,957 0,909 -pos-aro-tab 0,727 0,500 0,222 0,800 0,800 0,683 0,333 0,957 0,588 0,588 sudadera 0,957 - 0,957 - 0,909 - - 0,800 - -zapatilla - - - - 0,909 - - 0,957 0,588 -C00394 C00416 C00449 C00859 C00914 C00994 C02541 C02975 C06584 C00635 agu-ban-par 0,655 0,770 0,928 0,767 0,972 0,761 0,739 0,958 0,986 -balon 0,786 0,667 0,885 - 0,958 0,928 0,586 0,806 0,972 0,986 camiseta 0,928 0,972 0,972 0,972 0,958 - 0,896 0,972 0,986 -fut-neg-uni 0,655 0,825 0,958 - 0,928 0,637 0,862 0,896 0,986 0,879 gorro 0,679 0,702 0,639 0,806 0,549 0,844 0,879 0,912 0,986 -pad-pal-neg 0,696 0,943 0,943 - 0,748 0,718 0,972 0,972 0,986 -pelota 0,788 0,793 0,943 - 0,825 0,829 0,832 0,879 0,986 0,986 pos-aro-tab 0,749 0,833 0,801 0,928 0,943 0,699 0,752 0,943 0,972 0,943 sudadera 0,986 - 0,958 0,972 0,972 - - 0,958 - -zapatilla 0,958 - 0,928 - 0,912 - 0,972 0,844 0,986

-Modelo de Clasificación

•

Random Forest

V

ALORES

DE

F

₁

(E

NTRENAMIENTO

)

V

ALORES

DE

F

₁

(T

EST

)

C00394 C00416 C00449 C00859 C00914 C00994 C02541 C02975 C06584 C00635 agu-ban-par 0,641 0,782 0,928 0,570 0,972 0,761 0,741 0,958 0,986 -balon 0,788 0,852 0,885 - 0,958 0,928 0,583 0,806 0,972 0,986 camiseta 0,928 0,972 0,972 0,972 0,958 - 0,896 0,972 0,986 -fut-neg-uni 0,569 0,617 0,885 - 0,928 0,759 0,862 0,896 0,986 0,694 gorro 0,735 0,628 0,627 0,646 0,547 0,608 0,760 0,747 0,986 -pad-pal-neg 0,804 0,678 0,943 - 0,748 0,649 0,972 0,972 0,986 -pelota 0,788 0,871 0,943 - 0,813 0,783 0,832 0,644 0,986 0,986 pos-aro-tab 0,691 0,833 0,801 0,928 0,955 0,745 0,817 0,943 0,972 0,943 sudadera 0,986 - 0,958 0,972 0,972 - - 0,958 - -zapatilla 0,958 - 0,928 - 0,747 - 0,972 0,770 0,986 -C00394 C00416 C00449 C00859 C00914 C00994 C02541 C02975 C06584 C00635 agu-ban-par 0,651 - 0,957 0,737 0,857 0,226 0,694 0,957 0,857 -balon 0,663 0,800 0,952 - 0,957 - 0,520 0,909 0,857 0,957 camiseta 0,909 - 0,957 0,909 0,800 - 0,957 0,909 0,857 -fut-neg-uni 0,588 0,909 0,957 - - 0,778 0,800 - 0,957 0,671 gorro 0,667 0,778 0,778 0,400 0,508 0,800 0,520 0,957 0,857 -pad-pal-neg 0,455 0,957 0,957 - 1,000 0,842 - 0,957 0,857 -pelota 0,900 0,651 0,957 - 0,778 0,830 0,800 0,909 0,909 -pos-aro-tab 0,785 0,500 0,222 0,800 0,737 0,634 0,382 0,957 0,588 0,588 sudadera 0,957 - 0,957 - 0,909 - - 0,800 - -zapatilla - - - - 0,857 - - 0,800 0,588

-Modelo de Clasificación

Modelo de Clasificación

•

Indicadores de cambio en hábito de compra

–

Gris:

Si el valor de F1 de nuestro modelo sobre los

datos de entrenamiento devuelve “NA” o un valor

inferior a 0,6.

–

Verde:

Si el valor de F1 en los datos de entrenamiento y

test es superior a 0,6 en ambos casos.

–

Amarillo:

Si el valor de F1 en los datos de entrenamiento

es superior a 0,6 pero el modelo devuelve “NA” sobre los

datos de test.

–

Rojo:

Si el valor de F1 en los datos de entrenamiento es

superior a 0,6, pero su valor en los datos de test es

inferior a 0,6.

Modelo de Clasificación

•

Valores de C4.5 en test y resultado semafórico

C00394 C00416 C00449 C00859 C00914 C00994 C02541 C02975 C06584 C00635

agu-ban-par

0,737

-

0,957

0,800

0,857

0,250

0,612

0,957

0,857

-balon

0,583

0,533

0,952

-

0,957

-

0,661

0,909

0,857

0,957

camiseta

0,909

-

0,957

0,909

0,800

-

0,957

0,909

0,857

-fut-neg-uni

0,857

0,957

-

-

-

0,900

0,800

-

0,957

0,800

gorro

0,286

0,909

0,706

0,857

0,286

0,857

0,667

-

0,857

-pad-pal-neg

0,589

-

0,957

-

1,000

0,800

-

0,957

0,857

-pelota

0,900

0,847

0,957

-

0,857

0,690

0,800

0,957

0,909

-pos-aro-tab

0,727

0,500

0,222

0,800

0,800

0,683

0,333

0,957

0,588

0,588

sudadera

0,957

-

0,957

-

0,909

-

-

0,800

-

-zapatilla

-

-

-

-

0,909

-

-

0,957

0,588

-Conclusiones

•

Resultado

–

Modelo simple, escalable y fácilmente

entendible

–

Aplicable en empresas con necesidades

similares

•

Mejoras futuras

–

Optimización de la agrupación de productos

–

Incrementar su utilidad distinguiendo cambios

Agradecimientos:

Grupo Jim Sports

Alberto Bugarín (USC)

Manuel Mucientes (USC)

Miguel Ángel García Sánchez

Científico de Datos

https://miguel-angel-garcia.com