Segmentação de clientes para campanhas customizadas de Marketing em uma rede de Food Delivery.
Esse é um projeto de clusterização.
Disponível também em meu github.
O conjunto de dados utilizado está disponível neste link.
A Big Rango é um restaurante do tipo Dark Kitchen, ou seja, é um estabelecimento de serviço de alimentação que oferece apenas comida para viagem. Atuando em 9 cidades, a Big Rango é um restaurante 100% delivery, onde os pedidos são realizados via telefone ou internet, e entregues diretamente aos clientes.
Visando oferecer uma comunicação assertiva e personalizada, a Big Rango contratou um consultor em ciência de dados para realizar a segmentação de seus clientes. O principal objetivo da empresa é identificar os principais padrões de consumo e assim, realizar campanhas de Marketing customizadas para cada grupo de clientes.
Além disso, a empresa também estuda adicionar novos pratos no cardápio, que atualmente, é composto por pizzas, bebidas, saladas e sobremesas. A segmentação dos clientes também pode auxiliar a empresa nessa tarefa.
Em relação ao conjunto de dados, as seguintes informações foram disponibilizadas:
id_transacao possui o mesmo código para cada item dentro de um pedido.Além disso, também foi disponibilizado o dicionário de dados:
id_transacao: identificação do pedido.
horario_pedido: horário do pedido.
localidade: local da unidade do restaurante.
nome_item: nome do item pedido.
quantidade_item: quantidade do item no pedido.
latitude: latitude da localidade do restaurante.
longitude: longitude da localidade do restaurante.
Como estratégia para a solução dos problemas, definimos as seguintes etapas:
Vamos iniciar o projeto carregando as bibliotecas e o conjunto de dados.
# Filtragem das mensagens de avisos.
options(warn = -1)
options(dplyr.summarise.inform = FALSE)
# Carregando as bibliotecas.
library(pacman)
pacman::p_load(clustertend,
corrplot,
data.table,
dplyr,
factoextra,
ggplot2,
grid,
lubridate,
NbClust,
readr,
scales,
tidyr,
tidytext,
wesanderson)
# Configurações do notebook.
# Plotagens.
options(repr.plot.width = 10,
repr.plot.height = 6,
scipen = 999)
# Estilo dos gráficos.
theme_set(theme_classic())
# Função para alterar o tamanho da área de plotagens.
fig <- function(width, heigth){
options(repr.plot.width = width,
repr.plot.height = heigth)}
Nessa etapa, nosso objetivo é realizar uma análise geral no dataset a fim de tratar possíveis inconsistências nos dados.
# Carregando o conjunto de dados.
df <- read_csv('dataset.csv')
-- Column specification -------------------------------------------------------- cols( id_transacao = col_character(), horario_pedido = col_datetime(format = ""), localidade = col_double(), nome_item = col_character(), quantidade_item = col_double(), latitude = col_double(), longitude = col_double() )
Criar uma cópia do dataset é uma boa prática para não perdermos o conteúdo original durante a manipulação dos dados.
# Cópia do dataset.
df1 <- df
# Dimensão do dataframe.
dim(df1)
O conjunto de dados possui 260.645 registros e 7 variáveis.
# Visualizando o dataframe.
head(df1)
| id_transacao | horario_pedido | localidade | nome_item | quantidade_item | latitude | longitude |
|---|---|---|---|---|---|---|
| 0x7901ee | 2019-01-16 18:33:00 | 7 | bebida | 2 | 41.79413 | -88.01014 |
| 0x7901ee | 2019-01-16 18:33:00 | 7 | pizza | 2 | 41.79413 | -88.01014 |
| 0x7901ee | 2019-01-16 18:33:00 | 7 | sobremesa | 2 | 41.79413 | -88.01014 |
| 0x12b47f | 2019-09-04 12:36:00 | 3 | salada | 1 | 41.88449 | -87.62706 |
| 0x12b47f | 2019-09-04 12:36:00 | 3 | sobremesa | 1 | 41.88449 | -87.62706 |
| 0x6d6979 | 2019-03-18 00:27:00 | 6 | pizza | 2 | 41.78458 | -87.60756 |
# Informações do dataframe.
str(df1)
spec_tbl_df [260,645 x 7] (S3: spec_tbl_df/tbl_df/tbl/data.frame) $ id_transacao : chr [1:260645] "0x7901ee" "0x7901ee" "0x7901ee" "0x12b47f" ... $ horario_pedido : POSIXct[1:260645], format: "2019-01-16 18:33:00" "2019-01-16 18:33:00" ... $ localidade : num [1:260645] 7 7 7 3 3 6 6 2 2 2 ... $ nome_item : chr [1:260645] "bebida" "pizza" "sobremesa" "salada" ... $ quantidade_item: num [1:260645] 2 2 2 1 1 2 2 2 2 2 ... $ latitude : num [1:260645] 41.8 41.8 41.8 41.9 41.9 ... $ longitude : num [1:260645] -88 -88 -88 -87.6 -87.6 ... - attr(*, "spec")= .. cols( .. id_transacao = col_character(), .. horario_pedido = col_datetime(format = ""), .. localidade = col_double(), .. nome_item = col_character(), .. quantidade_item = col_double(), .. latitude = col_double(), .. longitude = col_double() .. )
# Verificando registros ausentes.
colSums(is.na(df1))
# Verificando registros duplicados.
table(duplicated(df1))
FALSE 260645
# Verificando registros únicos.
sapply(df1, function(x) {length(unique(x))})
latitude e longitude serão descartadas, pois, estão representadas na variável localidade.# Excluindo as variáveis.
df1 <- subset(df1, select = -c(latitude, longitude))
Não detectamos problemas em relação aos dados, sendo assim, seguiremos para a análise exploratória.
Nesta etapa, iniciaremos uma análise mais detalhada com o objetivo de extrair insights do negócio.
# Variáveis do dataframe.
colnames(df1)
# Estatísticas das variáveis.
summary(df1[c('horario_pedido',
'localidade',
'quantidade_item')])
horario_pedido localidade quantidade_item Min. :2019-01-01 00:00:00 Min. :1.000 Min. :1.000 1st Qu.:2019-04-02 13:12:00 1st Qu.:3.000 1st Qu.:1.000 Median :2019-07-01 11:49:00 Median :5.000 Median :2.000 Mean :2019-07-01 21:07:00 Mean :5.135 Mean :2.447 3rd Qu.:2019-09-30 18:07:00 3rd Qu.:7.000 3rd Qu.:4.000 Max. :2019-12-30 23:59:00 Max. :9.000 Max. :5.000
localidade possui valores de 1 a 9.quantidade_item possui valores de 1 a 5.# Contagem de registros.
table(df1$nome_item)
bebida pizza salada sobremesa
46156 76122 38367 100000
# Boxplot's dos itens.
df1 %>%
ggplot(aes(x = nome_item, y = quantidade_item)) +
geom_boxplot(aes(fill = nome_item), show.legend = FALSE) +
scale_fill_brewer(palette = 'Spectral') +
ggtitle('Boxplot dos Itens') + theme(plot.title = element_text(hjust = 0.5)) +
labs(x = 'Quantidade', y = 'Itens')
# Histogramas dos itens.
df1 %>%
select(nome_item, quantidade_item) %>%
ggplot(aes(x = quantidade_item, fill = nome_item)) +
geom_histogram(aes(y = ..density..), bins = 5, show.legend = FALSE) +
scale_fill_brewer(palette = 'Spectral') +
facet_grid(~nome_item) +
ggtitle('Histogramas dos Itens') + theme(plot.title = element_text(hjust = 0.5)) +
labs(x = 'Quantidade', y = 'Frêquencia')
Agora que entendemos o que as variáveis representam, vamos criar algumas perguntas sobre o negócio.
# Pergunta 1.
df1 %>%
mutate(mes = month(horario_pedido)) %>%
ggplot(aes(mes)) +
geom_freqpoly(binwidth = 1) +
ylim(c(19900, 23000)) +
scale_x_continuous(breaks = 1:12) +
ggtitle('Pedidos Realizados por Mês') + theme(plot.title = element_text(hjust = 0.5)) +
labs(x = 'Mês', y = 'Quantidade')
Pergunta 1:
# Pergunta 2.
df1 %>%
mutate(dia = day(horario_pedido),
mes = month(horario_pedido),
ano = year(horario_pedido)) %>%
ggplot(aes(dia)) +
geom_freqpoly(binwidth = 1) +
ylim(c(7500, 10000)) +
scale_x_continuous(breaks = 1:30) +
ggtitle('Pedidos Realizados por Dia do Mês') + theme(plot.title = element_text(hjust = 0.5)) +
labs(x = 'Dia', y = 'Quantidade')
Pergunta 2:
Para responder a pergunta 3 criaremos uma função para gerar várias plotagens.
# Criando a função.
p_dia_semana <- function(month, color){
df1 %>%
mutate(ano = year(horario_pedido),
mes = month(horario_pedido),
dia_mes = day(horario_pedido),
dia_semana = weekdays(horario_pedido),
horas = hour(horario_pedido)) %>%
mutate(dia_semana = factor(dia_semana, levels = c('segunda-feira',
'terça-feira',
'quarta-feira',
'quinta-feira',
'sexta-feira',
'sábado',
'domingo'),
labels = c('seg', 'ter', 'qua', 'qui', 'sex', 'sáb', 'dom'))) %>%
filter(ano == 2019, mes == month) %>%
group_by(dia_semana) %>%
dplyr::summarise(n = n()) %>%
ggplot(aes(x = dia_semana, y = n)) +
geom_col(size = 1, fill = color) +
ggtitle(sprintf('Mês %d', month))+
xlab('') +
geom_text(aes(label = round(n/sum(n), 2)),
vjust = 1.6,
color = 'black',
size = 5)}
# Pergunta 3.
# Redefinindo a área de plotagem.
fig(15,15)
# Plotagens.
gridExtra::grid.arrange(p_dia_semana(1, 'lightblue'),
p_dia_semana(2, 'lightblue'),
p_dia_semana(3, 'lightblue'),
p_dia_semana(4, 'lightblue'),
p_dia_semana(5, 'lightblue'),
p_dia_semana(6, 'lightblue'),
p_dia_semana(7, 'lightblue'),
p_dia_semana(8, 'lightblue'),
p_dia_semana(9, 'lightblue'),
p_dia_semana(10, 'lightblue'),
p_dia_semana(11, 'lightblue'),
p_dia_semana(12, 'lightblue'),
ncol = 2, nrow = 6,
top = textGrob('Pedidos por Dia da Semana - 2019',
gp = gpar(fontsize = 20)))
Pergunta 3:
# Pergunta 4.
df1 %>%
mutate(hora = hour(horario_pedido),
dia = day(horario_pedido),
mes = month(horario_pedido),
ano = year(horario_pedido)) %>%
ggplot(aes(hora)) +
geom_freqpoly(binwidth = 1) +
scale_x_continuous(breaks = 0:23) +
ggtitle('Pedidos por Horário') + theme(plot.title = element_text(hjust = 0.5)) +
labs(x = 'Hora', y = 'Quantidade')
Pergunta 4:
# Pergunta 5.
# Redefinindo a área de plotagem.
fig(13,8)
df1 %>%
mutate(hora = hour(horario_pedido),
dia = day(horario_pedido),
mes = month(horario_pedido),
ano = year(horario_pedido)) %>%
select(mes, hora, nome_item, quantidade_item) %>%
group_by(mes, hora, nome_item) %>%
summarise(tot = sum(quantidade_item)) %>%
# Plotagem.
ggplot(aes(x = tot, y = reorder(nome_item, tot), fill = nome_item)) +
geom_col() +
scale_fill_brewer(palette = 'Spectral') +
scale_x_continuous(labels = label_number(scale = 1/1000)) +
guides(fill = F) +
facet_grid(mes~hora) +
ggtitle('Número de Pedidos por Horário') + theme(plot.title = element_text(hjust = 0.5)) +
labs(x = 'Quantidade (milhar)', y = NULL)
Pergunta 5:
# Pergunta 6.
df1 %>%
group_by(localidade) %>%
dplyr::summarise(n = n()) %>%
ggplot(aes(x = reorder(localidade, n), y = n)) +
geom_col(fill = 'lightblue') +
coord_flip() +
ggtitle('Total de Pedidos por Localidade') + theme(plot.title = element_text(hjust = 0.5)) +
xlab("Localidade") + ylab("Número de Pedidos") +
geom_text(aes(label = round(n/sum(n), 2)),
vjust = 0.5,
color = 'black',
size = 3.5,
hjust = 1.5)
Pergunta 6:
# Pergunta 7.
df1 %>%
mutate(hora = hour(horario_pedido),
dia = day(horario_pedido),
mes = month(horario_pedido),
ano = year(horario_pedido)) %>%
select(localidade, hora, mes, nome_item, quantidade_item) %>%
mutate(localidade = as.factor(localidade)) %>%
group_by(localidade, hora, mes, nome_item) %>%
summarise(tot = sum(quantidade_item)) %>%
# PLotagem.
ggplot(aes(x = tot, y = reorder_within(nome_item, tot, localidade), fill = nome_item)) +
geom_col() +
scale_y_reordered() +
scale_fill_brewer(palette = 'Spectral') +
facet_wrap(~localidade, scales = 'free_y') +
guides(fill = F) +
ggtitle('Itens Pedidos por Localidade') + theme(plot.title = element_text(hjust = 0.5)) +
labs(x = NULL, y = NULL)
Pergunta 7:
Respondemos todas as perguntas, assim, finalizamos a etapa de análise exploratória.
A etapa de extração de variáveis será constituída na transformação do atual conjunto de dados em uma tabela pivot.
# Tabela pivot.
df2 <- df1 %>%
group_by(id_transacao) %>%
spread(nome_item, quantidade_item) %>%
# Tratando valores.
tidyr::replace_na((list(bebida = 0,
pizza = 0,
salada = 0,
sobremesa = 0)))
# Visualizando o dataframe.
head(df2)
| id_transacao | horario_pedido | localidade | bebida | pizza | salada | sobremesa |
|---|---|---|---|---|---|---|
| 0x7901ee | 2019-01-16 18:33:00 | 7 | 2 | 2 | 0 | 2 |
| 0x12b47f | 2019-09-04 12:36:00 | 3 | 0 | 0 | 1 | 1 |
| 0x6d6979 | 2019-03-18 00:27:00 | 6 | 0 | 2 | 0 | 2 |
| 0x78dd1e | 2019-09-22 00:10:00 | 2 | 2 | 2 | 0 | 2 |
| 0x4df8ab | 2019-01-17 11:35:00 | 8 | 0 | 0 | 3 | 3 |
| 0x3be6d3 | 2019-12-21 01:05:00 | 6 | 0 | 1 | 0 | 1 |
Utilizaremos somente as variáveis numéricas.
# Seleção das variáveis.
df3 <- df2 %>%
select(localidade, bebida, pizza, salada, sobremesa)
# Excluindo a variável.
df3$id_transacao <- NULL
Adding missing grouping variables: `id_transacao`
# Informações do dataframe.
str(df3)
tibble [100,000 x 5] (S3: tbl_df/tbl/data.frame) $ localidade: num [1:100000] 7 3 6 2 8 6 7 6 2 7 ... $ bebida : num [1:100000] 2 0 0 2 0 0 3 1 1 2 ... $ pizza : num [1:100000] 2 0 2 2 0 1 3 4 2 2 ... $ salada : num [1:100000] 0 1 0 0 3 0 1 0 0 1 ... $ sobremesa : num [1:100000] 2 1 2 2 3 1 4 4 2 3 ...
A etapa de pré-processamento dos dados será constituída na normalização das variáveis.
# Função para normalização.
dadosnorm <- function(x) {return ((x - min(x)) / (max(x) - min(x)))}
# Aplicando a normalização.
dfnorm <- as.data.frame(lapply(df3, dadosnorm))
# Dataset original.
head(df3)
| localidade | bebida | pizza | salada | sobremesa |
|---|---|---|---|---|
| 7 | 2 | 2 | 0 | 2 |
| 3 | 0 | 0 | 1 | 1 |
| 6 | 0 | 2 | 0 | 2 |
| 2 | 2 | 2 | 0 | 2 |
| 8 | 0 | 0 | 3 | 3 |
| 6 | 0 | 1 | 0 | 1 |
# Dataset normalizado.
head(dfnorm)
| localidade | bebida | pizza | salada | sobremesa |
|---|---|---|---|---|
| 0.750 | 0.4 | 0.4 | 0.0 | 0.25 |
| 0.250 | 0.0 | 0.0 | 0.2 | 0.00 |
| 0.625 | 0.0 | 0.4 | 0.0 | 0.25 |
| 0.125 | 0.4 | 0.4 | 0.0 | 0.25 |
| 0.875 | 0.0 | 0.0 | 0.6 | 0.50 |
| 0.625 | 0.0 | 0.2 | 0.0 | 0.00 |
Um dos principais algoritmos para clusterização é o K-means.
O objetivo desse algoritmo é encontrar similaridades entre os dados e agrupá-los conforme o número de clusters passado pelo parâmetro k.
Para mais detalhes sobre esse algoritmo, acesse este link em meu blog de estudos.
Vamos avaliar se o conjunto de dados é "clusterizável", ou seja, se ele pode ser segmentado de forma satisfatória ou não.
Para essa tarefa, utilizaremos a estatística de Hopkins.
# Amostra dos dados.
set.seed(42)
sample_df <- dfnorm %>% as_tibble() %>%
sample_frac(0.02)
Utilizaremos uma amostra de 2% dos dados para realizar o teste.
# Visualizando o dataframe.
head(sample_df)
| localidade | bebida | pizza | salada | sobremesa |
|---|---|---|---|---|
| 0.000 | 0.0 | 0.0 | 0.6 | 0.50 |
| 0.125 | 0.8 | 0.8 | 0.0 | 0.75 |
| 0.125 | 0.0 | 0.4 | 0.0 | 0.25 |
| 0.375 | 0.8 | 0.8 | 0.0 | 0.75 |
| 0.625 | 0.0 | 0.2 | 0.2 | 0.25 |
| 0.000 | 0.2 | 0.4 | 0.0 | 0.25 |
# Teste de Hopkins.
hopkins(sample_df, n = nrow(sample_df)-1)
Interpretação do resultado:
$H > 0.5: dataset não é "clusterizável".
$H < 0.5: dataset é "clusterizável" (quanto mais próximo de zero melhor).
Ou seja, os dados possuem algum padrão que nos permite aplicar a clusterização.
Para essa tarefa, utilizaremos o método de Elbow.
Basicamente o que esse método faz é testar a variância dos dados em relação ao número de clusters.
O valor ideal é considerado quando o aumento no número de clusters não representar um valor significativo de ganho de informação.
# Criando a função.
elbow <- function(dataset){
wss <- numeric(15)
for (i in 1:15) wss[i] <- sum(kmeans(dataset, centers = i, nstart = 100)$withinss)
plot(1:15, wss, type = 'b', main = 'Método de Elbow', xlab = 'Número de Clusters', pch = 8)}
# Método de Elbow.
elbow(sample_df)
# Instanciando e treinando o modelo.
set.seed(42)
modelo <- kmeans(dfnorm, 3)
# Tamanho dos clusters.
modelo$size
Utilizando a amostra de dados, podemos ter uma visualização de como foi feita a segmentação.
# Clusterização com dados amostrais.
cluster_viz <- eclust(sample_df, 'kmeans', k = 3, graph = FALSE)
fviz_cluster(cluster_viz, geom = 'point')
Iniciaremos uma análise com objetivo de identificar padrões nos clusters e recomendar ações para o departamento de Marketing.
# Associando o resultado ao dataframe.
df2$cluster <- modelo$cluster
head(df2)
| id_transacao | horario_pedido | localidade | bebida | pizza | salada | sobremesa | cluster |
|---|---|---|---|---|---|---|---|
| 0x7901ee | 2019-01-16 18:33:00 | 7 | 2 | 2 | 0 | 2 | 3 |
| 0x12b47f | 2019-09-04 12:36:00 | 3 | 0 | 0 | 1 | 1 | 3 |
| 0x6d6979 | 2019-03-18 00:27:00 | 6 | 0 | 2 | 0 | 2 | 3 |
| 0x78dd1e | 2019-09-22 00:10:00 | 2 | 2 | 2 | 0 | 2 | 3 |
| 0x4df8ab | 2019-01-17 11:35:00 | 8 | 0 | 0 | 3 | 3 | 1 |
| 0x3be6d3 | 2019-12-21 01:05:00 | 6 | 0 | 1 | 0 | 1 | 3 |
# Pedidos por clusters.
df2 %>% as.data.frame() %>%
select(bebida, pizza, salada, sobremesa, cluster) %>%
as_tibble() %>%
gather(item, qtd, 1:4) %>%
mutate(cluster = factor(cluster, levels = c(1, 2, 3),
labels = c('Cluster 1', 'Cluster 2', 'Cluster 3'))) %>%
group_by(cluster) %>%
dplyr::summarise(qtd = sum(qtd)) %>%
# Plotagem.
ggplot(aes(x = cluster, y = qtd)) +
geom_col(aes(fill = cluster)) +
ggtitle('Pedidos Realizados por Clusters') + theme(plot.title = element_text(hjust = 0.5)) +
labs(x = 'Clusters', y = 'Quantidade') +
geom_text(aes(label = round(qtd/sum(qtd), 2)),
vjust = 1.6,
color = 'white',
size = 3.5) +
scale_fill_discrete(name = 'Legendas')
Criaremos funções para analisar os clusters individualmente.
# Criando funções.
# Itens mais pedidos.
qnt_pedidos <- function(x, cor_escolhida){
df2 %>% as.data.frame() %>%
mutate(Cluster = factor(cluster, levels = c(1, 2, 3),
labels = c('Cluster 1', 'Cluster 2', 'Cluster 3'))) %>%
filter(Cluster == x) %>%
select(bebida, pizza, salada, sobremesa) %>%
as_tibble() %>%
gather(item, qtd, 1:4) %>%
group_by(item) %>%
dplyr::summarise(qtd = sum(qtd)) %>%
ggplot(aes(x = item, y = qtd)) +
geom_col(fill = cor_escolhida) +
ylim(c(0, 150000)) +
ggtitle('Itens Mais Pedidos') +
geom_text(aes(label = round(qtd/sum(qtd), 2)),
vjust = -1,
color = 'black',
size = 3.5)}
# Distribuição de frequência.
frq_pedidos <- function(x,y){
df2 %>% as.data.frame() %>%
mutate(Cluster = factor(cluster, levels = c(1, 2, 3),
labels = c('Cluster 1', 'Cluster 2', 'Cluster 3'))) %>%
filter(Cluster == x) %>%
select(bebida, pizza, salada, sobremesa) %>%
as_tibble() %>%
gather(item, qtd, 1:4) %>%
filter(qtd > 0) %>%
ggplot(aes(x = qtd)) +
geom_histogram(aes(y = ..density..), binwidth = 1, show.legend = FALSE, fill = y) +
facet_grid(~item) +
ggtitle('Distribuição de Frequência') +
xlab('Quantidade')}
# Pedidos por horário.
hr_pedidos <- function(x){
df2 %>% as.data.frame() %>%
select(horario_pedido, bebida, pizza, salada, sobremesa, cluster) %>%
gather(item, qtd, 2:5) %>%
mutate(horario = hour(horario_pedido),
Cluster = factor(cluster,levels = c(1, 2, 3),
labels = c('Cluster 1', 'Cluster 2', 'Cluster 3'))) %>%
select(Cluster, item, qtd, horario) %>%
filter(Cluster == x, qtd > 0) %>%
select(item, qtd, horario) %>%
as_tibble() %>%
ggplot(aes(x = horario, color = item)) +
geom_freqpoly(binwidth = 1, size = 1) +
xlim(c(0, 23)) +
xlab('Hora do dia') +
ggtitle('Pedidos por Horário')}
# Cluster 1.
gridExtra::grid.arrange(qnt_pedidos('Cluster 1', 'coral2'),
frq_pedidos('Cluster 1', 'coral2'),
hr_pedidos('Cluster 1'),
nrow = 3,
top = textGrob('Cluster 1', gp = gpar(fontsize = 15)))
Principais Características do Cluster 1:
Possui o menor número de pedidos (19%).
É o principal consumidor de salada.
Pizza e bebida somam apenas 7% do total dos pedidos.
Pedidos são realizados essencialmente no horário de almoço.
Recomendações para o Departamento de Marketing:
# Cluster 2.
gridExtra::grid.arrange(qnt_pedidos('Cluster 2', 'palegreen3'),
frq_pedidos('Cluster 2', 'palegreen3'),
hr_pedidos('Cluster 2'),
nrow = 3,
top = textGrob('Cluster 2', gp = gpar(fontsize = 15)))
Principais Características do Cluster 2:
É o principal cluster, possuindo 57% dos pedidos.
É o principal consumidor de pizza.
Pedidos de salada são praticamente nulos.
Pedidos são realizados em grandes quantidades e no período tarde/noite.
Recomendações para o Departamento de Marketing:
# Cluster 3.
gridExtra::grid.arrange(qnt_pedidos('Cluster 3', 'steelblue'),
frq_pedidos('Cluster 3', 'steelblue'),
hr_pedidos('Cluster 3'),
nrow = 3,
top = textGrob('Cluster 3', gp = gpar(fontsize = 15)))
Principais Características do Cluster 3:
Possui 25% dos pedidos.
É o cluster mais equilibrado em relação aos pedidos.
Pedidos são realizados em pequenas quantidades.
Alto número de pedidos por volta da meia noite.
Recomendação para o Departamento de Marketing:
Para a realização da segmentação dos clientes da Big Rango utilizamos o algoritmo K-means.
Através do método de Elbow, definimos que os dados deveriam ser segmentados em três clusters, foram eles:
Além das recomendações já feitas na etapa anterior, durante a análise exploratória geramos alguns insights interessantes para a empresa:
Depois de garantir uma excelente segmentação, a Big Rango já pode direcionar ações para melhorar a experiência de seus clientes, adotando estratégias e campanhas customizadas para cada grupo, e consequentemente impactando a sua lucratividade!