Capítulo 6
lado os interesses dos clientes relativamente ao tipo de transacções que efectuam e por outro lado, o seu perfil de compras nas dezasseis famílias consideradas.
Ao analisar os tipos de transacções, obtiveram-se seis clusters. Oprimeiro clusterreúne os cli- entes que efectuam menos transacções. Este cluster tem a menor percentagem de mulheres, a idade média dos clientes é a mais elevada, tem a menor proporção de clientes solteiros e tem a maior pro- porção de clientes com profissões menos bem remuneradas. Por outro lado, tem a maior proporção de clientes com fraca vinculação a este banco. O montante mediano transacionado por estes clientes é também reduzido. Osegundo clusterreúne os clusters que efectuam em média maisPagamentos de Serviço. Este é o cluster onde a proporção de clientes com poucas habilitações literárias é mais alta e a proporção de clientes com profissões menos bem remuneradas é também alta. O terceiro clusterreúne os clientes que efectuam em média maisMovimentos ATM. Em relação às restantes ca- racterísticas dos clientes, as proporções são intermédias (quando comparadas com as dos restantes clusters). No quarto cluster, os clientes fazem em média mais Depósitos. Têm a média de idades mais baixa, registam a maior proporção de clientes solteiros e de clientes com rendimentos menores ou iguais a1 000euros. Os clientes doquinto clusterfazem em média maisComprasque os restan- tes (apresentando igualmente o maior montante mediano dispendido). Este cluster apresenta a maior proporção de mulheres e a maior proporção de clientes com ensino superior. Regista também a maior proporção de clientes com profissões melhor remuneradas e com rendimentos maiores. Por último, no sexto clusterencontram-se os clientes que fazem um número médio deCash-Advancemais elevado e relativamente elevado nos restantes tipos de transacção que corresponde igualmente a um montante transitado, relativamente alto.
Relativamente, às compras efectuadas, obtiveram-se sete clusters. Oprimeiro clusteragrupa os clientes que fazem um número médio de compras baixo em todas as famílias de compras. Nosegundo cluster, os clientes caracterizam-se por fazerem um número de compras em necessidades considera- das básicas, nomeadamente,Habitação, SaúdeeSupermercadosacima da média global dos clientes.
O montante mediano dispendido é essencialente baixo. Os clientes deste cluster são os que têm ida- des médias mais altas. Relativamente ao estado civil, tem a maior percentagem de clientes casados.
É o cluster com menor percentagem de clientes com curso superior e apresenta a maior percentagem de clientes com profissões ditas baixas. Oterceiro clusteragrupa os clientes que fazem um número médio de compras nas famílias de compras, tradicionalmente mais relacionadas com mulheres, no- meadamente, Higiene, Ourivesariae Vestuário, acima da média dos restantes clusters e o montante mediano dispendido nestas famílias de compras é também elevado. Este é o cluster com a segunda maior proporção de mulheres. A proporção de clientes solteiros é relativamente alta (segunda mais alta) em relação aos restantes clusters. Oquarto clusterapresenta os clientes que fazem um número médio de compras próximo da média global, praticamente em todas as famílias de compras, com ex- cepção das Tecnologias, onde têm uma média acima da média dos restantes clusters. Este padrão mantém-se para o dinheiro dispendido. Este cluster é constituído maioritariamente por homens e tem a particularidade de ter a maior proporção de clientes divorciados ou separados. A maior parte dos clien- tes têm profissões ditas baixas e rendimentos inferiores a1 000euros. Oquinto clusteré constituído
6.1. Trabalho futuro
pelos clientes que efectuam um número médio de compras elevado nas famílias de compras,Desporto, TecnologiaseVeículos, que tradicionalmente se associam a preferências de compras do sexo mascu- lino. O padrão é muito semelhante para o montante dispendido. É o cluster com a maior percentagem de homens e tem uma média de idades relativamente baixa comparando com os restantes clusters. No sexto cluster, os clientes fazem um número médio de compras acima da média global em todas as famílias de compras. Nas famílias de compras tipicamente relacionadas com jovens e estudantes como, EducaçãoeLazer, têm uma média acima da dos restantes clusters e o mesmo acontece com o dinheiro dispendido. Este cluster caracteriza-se por ter a média de idades mais baixa e a maior proporção de clientes solteiros. Finalmente osétimo clusterreúne os clientes que fazem um número médio de com- pras claramente acima da média dos restantes clusters em muitas famílias de compras, nomeadamente Alimentação, Crianças, Desporto, Habitação, Higiene, Saúde, Supermercados, VestuárioeOutros. Re- gistam, também, elevados montantes dispendidos nestas famílias de compras. É o cluster com maior proporção de mulheres e tem uma média de idades relativamente baixa (segunda mais baixa). Tem a maior proporção de clientes casados (que coincide com a do cluster 2) e também a maior proporção de clientes com curso superior. É o cluster com menores proporções de clientes com profissões ditas baixas e com rendimentos inferiores a1 000euros. A proporção de clientes com vinculação forte é a maior de entre todos os clusters.
Tenha-se em atenção que os perfis obtidos têm apenas em conta as transacções efectuadas com os cartões bancários referentes a este banco. No entanto, alguns clientes terão certamente cartões de outros bancos. Esta informação é de certo modo quantificada pelo grau de vinculação. Apesar do objectivo deste trabalho não ser aprofundar as estratégias de marketing a utilizar, nem o tratamento a oferecer aos vários segmentos de mercado, fazem-se apenas algumas observações a este nível. Note- se que os primeiros clusters de ambas as segmentações apresentam as maiores proporções de clientes cuja vinculação é fraca e para os quais este é um banco secundário. Pelo que, estes clientes são um potencial alvo de campanhas de publicidade, com objectivo de manter ou aumentar o seu grau de vinculação. Os clusters 5 (relativamente à segmentação por tipologia de transacção) e 7 (relativamente à segmentação por família de compras) são os que apresentam maior percentagem de clientes com maior vinculação. Nestes casos parece valer a pena ter alguma atenção com estes clientes de modo a manter a sua fidelização ao banco. Os restantes clusters que aparentam ter clientes com necessidades mais específicas, quer a nível do tipo de transacção como também relativamente a certas famílias de compras, poderão ser alvo de incentivo de utilização dos cartões com mensagens direccionadas, de acordo com o seu perfil. Estas segmentações (sobretudo a segmentação por família de compras) pode, ainda permitir detectar mudanças no ciclo de vida dos clientes, por exemplo, se estes passarem a pertencer a outro segmento.
6.1 Trabalho futuro
Apesar de ter sido efectuada uma análise cuidadosa e o mais completa possível dos dados disponíveis, ficaram ainda questões por resolver e existem pontos que precisavam de ser mais aprofundados. A
análise de clusters é um procedimento vastamente utilizado em segmentações do mercado, no entanto, deverão também ser consideradas outras técnicas de análise multivariada (por exemplo, análise de classes latentes, redes neuronais ou árvores de decisão) em busca de melhores resultados.
O método de formação de clusters usado, Clara (K-medóides), é conhecido por ser mais robusto que asK-médias. No entanto, a existência deoutlierspode ter grande influência nos resultados obtidos, pelo que, métodos mais robustos e aptos a trabalhar com grandes conjuntos de dados são necessários identificar e aplicar aos dados. Este aspecto não foi analisado em detalhe neste trabalho, merecendo ser estudado e aprofundado. O mesmo problema surgiu na caracterização e interpretação dos resul- tados, cuja análise foi essencialmente descritiva. O uso de medianas foi a estratégia para superar esta dificuldade. No entanto, estes clientes devem merecer atenção redobrada. Por exemplo, os clien- tes que dispendem valores muito elevados em compras, são “bons” clientes, pelo que existe interesse em mantê-los ou eventualmente aumentar a sua vinculação. Este problema sugere a necessidade de uma análise de extremos. Estes clientes podem revelar potencialidade de se tornarem bons “alvos de negócio”, pelo que, o banco tem todo o interesse em estudá-los e identificá-los.
Em relação à caracterização dos clusters obtidos, aquando da comparação do número médio de transacções e do montante mediano movimentado pelos clientes dos vários clusters, efectuaram-se testes estatísticos e calculou-se o chamado effect size. Esta área de comparações múltiplas, quer de médias como de medianas, não foi completamente explorada. Relativamente aoeffect size, é ainda uma matéria pouco desenvolvida, pelo que merecia uma análise mais aprofundada. Devido à ausência de historial sobre a utilização destes índices nesta área, os valores de corte associados aoeffect size, considerados para a comparação de médias, foram os valores sugeridos por Cohen, baseando-se num extenso trabalho nas áreas da psicologia e ciências sociais [Oliveira et al., 20xx]. A possível existência de outliersnos dados utilizados, poderá também influenciar os cálculos doeffect size, pelo que esta questão merecia também alguma atenção. Outro ponto a melhorar, seria o controlo do nível de significância para os testes estatísticos, uma vez que já existem técnicas mais sofisticadas do que a correcção de Bonferroni, com a mesma finalidade.
Relativamente às segmentações obtidas, ficou por analisar o cruzamento das duas segmentações de modo a obter um perfil mais completo dos clientes. Os resultados obtidos a este nível, foram pouco consistentes e não forneceram informação muito relevante, pelo que se optou por não os apresentar.
Pelo que foi dito, verifica-se que este trabalho abriu portas para novos estudos nas matérias menci- onadas e sobretudo demonstra que o estudo teórico e a resolução de problemas práticos devem andar sempre a par e passo. O que evidência a importância da colaboração entre o mundo empresarial e o meio académico.