Espacios. Vol. 33 (2) 2012. Pág. 20 |
Análise comparativa de métodos de agrupamento para segmentação da carteira ativa de clientesAnálisis comprativo de métodos de agrupamiento para segmentación de cartera activa de clientesCarla Schwengber ten Caten y Oswaldo Silva Paleo |
3. Aplicação do método proposto Focometria®Para o desenvolvimento do estudo de caso, será realizada uma comparação entre os métodos de segmentação: k-means e o método proposto denominado Focometria® para a determinação dos clusters. Os dois métodos diferem apenas no segundo estágio, ou seja, a microssegmentação dos clientes. Para essa avaliação, será utilizada a medida de dispersão relativa denominada de coeficiente de variação de Pearson (CVP) de cada segmento para avaliar comparativamente a consistência dos métodos empregados. O presente estudo análisa os dados dos clientes referentes às variáveis categóricas: valor, representado pela margem de contribuição, frequência e recencia das compras. Segundo critérios de avaliação do BNDS (Banco Nacional de Desenvolvimento Econômico e Social), a empresa foco é classificada como de grande porte, ou seja, empresa com receita operacional bruta anualizada acima de R$ 60 milhões (sessenta milhões de reais) atuando no setor calçadista. Foram analisados 9.496 clientes ativos da carteira da empresa foco identificados como clientes-líderes que são responsáveis pela decisão das compras dos produtos ofertados pelos clientes intermediários (representantes) no período de janeiro de 2007 a dezembro de 2008. Identificaram-se 38 casos considerados missing value, ou seja, àqueles clientes que apresentam campos em branco nas variáveis de estratificação de interesse. Assim, a amostra será composta por um total de 9.458 clientes. O primeiro estágio da macrossegmentação é comum aos dois métodos, sendo que os grupos formados neste estágio serão utilizados na microssegmentação dos dois métodos a serem comparados: k-means e Focometria®. 3.1 Macrossegmentação - Formação dos Grupos de ClientesNesta etapa são definidos os grupos de clientes através da análise de cluster k-means, utilizando-se o software estatístico Minitab-15. Foram definidos cinco grupos de clientes a post-hoc objetivando uma distribuição equilibrada entre os grupos sem que haja a perda da informação o que comprometeria as interpretações e inferências a posteriori. As variáveis discricionárias utilizadas na determinação dos clusters foram: valor (V) das compras (margem de contribuição), freqüência (F) de compras e recencia (R) das compras. A Tabela 1 apresenta o número de clientes distribuídos em cada um dos cinco clusters apurados pelo método k-means e suas frequencias relativas (percentuais). Tabela 1. Número de clientes nos 5 clusters. Para se avaliar o grau de dispersão dos clientes contidos em cada grupo de clientes (clusters) determinada pelo método k-means calculou-se o coeficiente de variação por tratar-se de medida de dispersão adequada para se comparar grupos com médias diferentes. O foco da análise recaiu somente sobre as variáveis categóricas valor (V) e frequencia (F) em razão de que a variável recencia (R) não apresentou dispersão relevante nos grupos avaliados. A análise estatística foi realizada apenas para os grupos 2, 3, 4 e 5 visto que o grupo 1 é formado por apenas quatro clientes, sendo este número inferior ao necessário para a formação das categorias dos clientes na etapa de microsegmentação. A Tabela 2 apresenta o comportamento do coeficiente de variação de Pearson (CVP) das variáveis discricionárias valor (V) e frequência (F) de cada grupo. Tabela 2: Coeficiente de variação de Pearson (CVP) das variáveis discricionárias: valor (V) e frequência (F). Verifica-se na Tabela 1 que ocorreu uma maior concentração de clientes nos grupos 3 e 5 com frequencia relativa de 55,48% e 43,66% respectivamente. Este fator pode ter influenciado nos elevados coeficientes de variação da variável categórica valor dos grupos 3 e 5, cujas frequencias relativas foram de 207,97%, e 164,43% respectivamente. Estas distorções podem comprometer a análise da microssegmentação quanto da aplicação dos métodos no segundo estágio. 3.2 Microssegmentação - Formação das Categorias de ClientesA microsegmentação contempla a divisão de cada grupo de clientes gerado na etapa de macrosegmentação estratificados em categorias de clientes mais homogeneas. Esta etapa será realizada por dois métodos distintos, o método k-means e o método Focometria®. 3.2.1 Microssegmentação Método k-means para a Formação das Categorias de ClientesEmbora tenha sido determinado no primeiro estágio cinco grupos distintos de clientes, verifica-se que o grupo 1 apresenta apenas 4 clientes não justificando uma nova segmentação. Os demais grupos apresentam número de clientes suficientes para justificar um processo reclassificatório destas carteiras de clientes através do método k-means utilizando novamente as variáveis discricionárias, valor(V) e frequência(F) O resultado da reclassificação pelo método k-means permite classificar os clientes dos grupos em cinco categorias de clientes: ice (1), cold (2), warm (3), hot (4) e top (5). A Tabela 3 sintetiza a clusterização dos quatro grupos de clientes (2,3,4,5) em categorias, bem como o número de clientes e a frequencia relativa de cada categoria definida. Tabela 3: Síntese do número de clientes, assim como a frequencia relativa das cinco categorias estabelecidas nos quatro grupos analisados. Ao analisar-se a distribuição dos clientes nas cinco categorias apresentadas na Tabela 3 verifica-se a concentração nas categorias ice (1)e top (5) no grupo 2, as quais totalizam 71,43% dos clientes. Com relação ao grupo 3 também verifica-se uma concentração nas categorias hot (4) e top (5), totalizando 95,65% dos clientes. Prevalece essa concentração nas categorias cold (2) e warm (3) do grupo 4, totalizando 75,00% dos clientes e também nas categorias cold (2) e warm (3) do grupo 5 totalizando 72,97% dos clientes. A Tabela 4 apresenta o coeficiente de variação de Pearson (CVP) das variáveis discricionárias: valor(V) e frequência(F) de cada grupo e categorias analisadas. Tabela 4: Coeficiente de variação de Pearson (CVP) das variáveis categóricas valor (V) e freqüência (F) dos grupos e categorias analisados. Ao analisar-se a Tabela 4, verifica-se que as maiores dispersões ocorreram nos grupos 3 e 5 nas diferentes categorias de clientes. Esse fato provavelmente decorre em razão das maiores concentrações de número de clientes verificadas nestes grupos obtidos na etapa de macrosegmentação. 3.2.2 Microssegmentação - Método Focometria® para a Formação das Categorias de ClientesNesta etapa aplicou-se o método de segmentação Focometria® para estratificar os clientes de cada grupo da macrosegmentação nas cinco categorias pré-estabelecidas. A microssegmentação será realizada para todos os grupos previamente identificados, com exceção do grupo 1, por apresentar apenas quatro clientes. A Tabela 5 sintetiza a clusterização dos quatro grupos de clientes (2,3,4,5) em categorias, bem como o número de clientes e a frequencia relativa de cada categoria definida.
Tabela 5: Síntese do número de clientes, assim como a frequencia relativa das cinco categorias estabelecidas nos quatro grupos analisados. Ao analisar-se a distribuição dos clientes nas cinco categorias apresentadas na Tabela 5 verifica-se a concentração nas categorias cold (2), warm (3) no grupo 2, as quais totalizam 78,57 dos clientes. Com relação ao grupo 3 também verifica-se uma concentração nas categorias ice (1) e cold (2), totalizando 99,81% dos clientes. Prevalece essa concentração nas categorias warm (3) e hot (4) do grupo 4, totalizando 79,69% dos clientes e também nas categorias cold (2) e warm (3) do grupo 5 totalizando 84,09% dos clientes. A Tabela 6 apresenta o coeficiente de variação de Pearson (CVP) das variáveis discricionárias: valor (V) e frequência (F) de cada grupo e categorias analisadas. Tabela 6: Coeficiente de variação de Pearson (CVP) das variáveis categóricas valor (V) Ao analisar-se a Tabela 6, verifica-se que as maiores dispersões também se concentraram nos grupos 3 e 5 nas diferentes categorias de clientes. Esse decorre da maior concentração de clientes verificados nestes grupos obtidos na etapa de macrossegmentação. 4. Análise Comparativa entre os métodos k-means e Focometria®Esta etapa realiza a análise comparativa dos métodos de segmentação k-means e Focometria® utilizados na microssegmentação. As Tabelas 7 a 10 apresentam, respectivamente, a análise comparativa do coeficiente de variação de Pearson (CVP) das categorias geradas para os grupos 2,3,4 e 5 pelos dois métodos. Tabela 7: Análise do coeficiente de variação de Pearson (CVP) das variáveis discricionárias V e F das categorias do grupo 2 geradas pelos dois métodos. Tabela 8: Análise do coeficiente de variação de Pearson (CVP) das variáveis discricionárias V e F das categorias do grupo 3 geradas pelos dois métodos. Tabela 9: Análise do coeficiente de variação de Pearson (CVP) das variáveis discricionárias V e F das categorias do grupo 4 geradas pelos dois métodos. Tabela 10: Análise do coeficiente de variação de Pearson (CVP) das variáveis discricionárias V e F das categorias do grupo 5 geradas pelos dois métodos.
Como se pode observar nas Tabelas 7 a 10, a aplicação do método de segmentação Focometria® apresentou uma menor dispersão na variável Valor (V) quando comparado ao k-means, ou seja, das vinte categorias analisadas dos grupos 2, 3, 4 e 5, o coeficiente de variação de Pearson (CVP) foi inferior em doze categorias, ou seja, 60%. Este comportamento foi similar para a variável Frequencia (F) que apresentou coeficiente de variação de Pearson (CVP) inferior em quatorze categorias analisadas, ou seja, 70%, validando a maior consistencia do método Focometria®. 5. ConclusõesO presente artigo apresentou um método de segmentação da carteira de clientes das empresas do setor industrial voltadas ao mercado B2B (business to business) chamado Focometria® (foco sob medida) aplicado em uma fábrica de calçados de grande porte localizada no Estado do Rio Grande do Sul Este método surge com uma proposta mais consistente para a determinação e avaliação dos segmentos de clientes quando comparado à aplicação exclusiva do método de clusterização denominado de k-means. O método Focometria® contempla duas etapas, sendo elas microssegmentação e macrosegmentação. A macrossegmentação define grupos homogêneos de clientes utlizando-se o método k-means para as variáveis discricionárias: valor, frequência e a recencia. A microssegmentação estratifica os grupos de clientes gerados na etapa de macrossegmentação em cinco categorias, sendo elas ice (1), cold (2), warm (3), hot (4) e top (5). A segmentação dos clientes é realizada com base no índice Focometria® que é uma média ponderada dos escores das variáveis discricionárias valor, frequência e recencia. A fim de realizar uma análise comparativa, a etapa da microssegmentação foi realizada utilizando-se, além do método Focometria®, também o método k-means. Observa-se que a microssegmentação realizada pelo método Focometria® gerou categorias de clientes com as variáveis discricionárias valor e frequencia mais homogêneas, sendo considerado um método de segmentação mais consistente quando comparado ao método k-means. Cabe observar que cada vez mais a utilização de modelos híbridos de segmentação pode revelar-se como um método mais consistente no propósito de classificar, agrupar e avaliar o comportamento de compras de uma carteira de clientes. Para estudos futuros, sugere-se ampliar a amostra e incorporar outras variáveis comportamentais que possam influir na avaliação dos clientes tal como a liquidez, variável esta que medirá a capacidade de pagamento dos clientes analisados, ampliando a capacidade discriminatória do método proposto. ReferênciasBARROSO, Antonio Carlos de Siqueira. Segmentação de Mercados Industriais. São Paulo: Editora Atlas, 2000. CALANTONE, R. and SAWYER, A. , The stability of benefit segments, Journal of Marketing Research, Vol. 15, 1978. CHOPRA, Sunil; MEINDL, Peter. Gerenciamento da cadeia de suprimento. São Paulo: Prentice Hall, 2006. CHRISTOPHER, Martin. Logística e gerenciamento da cadeia de suprimento. 2. ed. São Paulo: Thomson, 2007. DAY, George S. A empresa orientada para o mercado: compreender, atrair e manter clientes valiosos. Porto Alegre: Bookman, 2001. DAVID SHEPARD ASSOCIATES. The new direct marketing. 3. ed. New York: McGraw-Hill, 1999. DANTAS, Maria C. B.; ROSA, Fernando de. Utilização e análise de técnicas alternativas para a elaboração de segmentos RFV. FGV-Brasil, 2003. DUFFY, Dennis L. Do something! Guia prático para fidelização de clientes. São Paulo: Fábrica Comunicação Dirigida, 2002. FAÉ, Cristhiano Stefani. Análise crítica da colaboração em cadeias de suprimento: caso da cadeia automotiva gaúcha. 2007. Dissertação (Mestrado em Engenharia de Produção) - Programa de Pós-Graduação em Engenharia de Produção, Universidade Federal do Rio Grande do Sul. GAGNON, Joseph; CHU, Julian. Os que realmente mandam-2. HSM Management, São Paulo, n.55, p. 72-81, mar./abr. 2006. GATTORNA, John. Living Supply Chains. São Paulo: Printice Hall, 2009. GERHARDT, Melissa P.; FOGLIATTO, Flávio S.; CORTIMIGLIA, Marcelo N.. Metodologia para balanceamento de linhas de montagem multi-modelo em ambientes de customização em massa. São Carlos: Gestão da Produção, V.14, n.2, p.267-279, mai.-ago./2007. GREENBERG, Paul. CRM na velocidade da luz. Rio de janeiro: Editora Campus, 2001. HANDFILED, Robert B.; NICHOLS Jr, Ernest L. Supply Chain Redesign: converting your supply chain into integrated value system. Financial Times Prentice Hall, 2002. HOOLEY, Graham J.; HUSSEY, Michael K., Quantitative Methods in Marketing. UK: Thomson Business Press, 1999. HUGHES, Arthur M. DataBase marketing estratégico. São Paulo: Makron Books, 1998. JAIN, Anil K. Data Clustering: 50 Years Beyond K-Means. 19th International Conference on Pattern Recognition (ICPR), Tampa, FL, December 8, 2008. KOTLER, Philip. Marketing para o século XXI. São Paulo: Futura, 1999. KUME, Hitoshi. Métodos estatísticos para melhoria da qualidade. São Paulo: Gente, 1993. LAMBERT, Douglas M.; GARCIÁ-DASTUGUE, Sebastián J.; CROXTON, Keely L. An evaluation of process-oriented supply chain management frameworks. Journal of Business Logistics, vol.26, n.1, 2005. LAMBERT, Douglas M. Supply chain management – processes, partnerships, performance. Florida: SCMI, 2 ed., 2006. MYERS, James H. Segmentation and positioning for strategic marketing decisions. Chicago: American Marketing Association, 1996. RANGAN, V. Kasturi; MORIARTY, Rowland T.; SWARTZ, Gordon S., Segmenting customers in mature industrial markets. Jornal of Marketing, vol.56, p.72-82, out/1992. ROSENBLOOM, Bert, Canais de Marketing: uma visão gerencial. São Paulo: Editora Atlas, 2002. ROTONDARO, Roberto G. et al. Seis Sigma – Estratégia Gerencial para a Melhoria de Processos, Produtos e Serviços. São Paulo: Editora Atlas, 2002. SCHNAARS, Steven P. Marketing strategy: a customer-driven approach. New York: The Free Press, 1991. SHEPARD, David; BATRA, Rajeev; DEERE, Richard; DEUTCH, Andrew; KENDRICK, Robert; ORME, George; RATNER, Bruce; REMPALA, Russ; SHARMA, Dhiraj. The new direct marketing. 3 ed. New York: McGraw-Hill, 1999. STEVENSON, William J. Estatística aplicada à administração. São Paulo: Harper & Row, 1997. TOLEDO, Geraldo Luciano; BARROSO DE SIQUEIRA, Antonio Carlos. Bases de segmentação de mercado no marketing industrial: um estudo de caso na indústria de elevadores. Revista de Administração, São Paulo, v.36, n.4, p.52-63, out-dez/2001. VAVRA, Terry G. Marketing de relacionamento (After Marketing): Como manter a fidelidade de clientes através do marketing de relacionamento. São Paulo: Atlas, 1993. WEDEL, Michel; KAMAKURA, Wagner. Market segmentation – conceptual and methodological foundations. 2 ed. Boston: Kluwer Academic Publishers, 2000. YANKELOVICH, Daniel; MEER, David, A redescoberta da segmentação de mercado. Harvard Business Review, Santiago, p.76-85, fev/2006. |
---|
[anterior] [inicio] |
---|
Vol. 33 (2) 2012 [Índice] |