Segmentação de Público Pf para Cartão de Crédito em Cooperativas com Aprendizado de Máquina

Bernardo Augusto Zucco; Adriana Camargo de Brito

DOI: 10.22167/2675-6528-202602718

Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.

Resumo

Propôs-se a segmentação de associados pessoa física de uma cooperativa de crédito brasileira para fundamentar a oferta personalizada de cartões de crédito em um cenário financeiro competitivo. O estudo utilizou uma base de dados com 59.108 registros de transações de cartão de crédito. A metodologia empregou a linguagem Python para tratamento dos dados e técnicas de aprendizado de máquina não supervisionado. Inicialmente, os dados foram padronizados com StandardScaler e a dimensionalidade foi reduzida por Análise de Componentes Principais (PCA), retendo-se cinco componentes. Para o agrupamento, aplicou-se o algoritmo K-means, com cenários de dois e cinco clusters definidos por métodos como Cotovelo, Silhueta, Calinski-Harabasz e Davies-Bouldin. O modelo de dois clusters ofereceu uma visão macro entre consumidores padrão e intensivos, enquanto o de cinco clusters apresentou maior granularidade estratégica, identificando um segmento de “consumidor adormecido” com alto potencial de conversão. Os resultados fornecem subsídios para estratégias de marketing direcionadas, visando a retenção de clientes de alto valor e o fortalecimento do relacionamento institucional.

Palavras-chave: Cluster; K-means; PCA; Segmentação de clientes.

1. Introdução

A base de usuários de cartões de crédito no Brasil experimentou uma expansão expressiva nos últimos anos, impulsionada pela crescente concorrência decorrente da entrada de novas instituições financeiras. Como consequência, uma parcela significativa da população passou a ter acesso a um ou múltiplos cartões de crédito (Banco Central do Brasil, 2022). O mercado oferece diferentes tipos de cartões, desde os básicos, destinados exclusivamente a pagamentos, até os diferenciados, que podem incluir programas de benefícios e recompensas, geralmente com anuidade mais elevada (Banco Central do Brasil, 2023).

Diante deste cenário altamente competitivo, a ideia de segmentação de clientes progrediu de forma significativa. Anteriormente, a segmentação baseava-se sobretudo em características como demografia, idade, renda e ocupação. Com o passar do tempo, o setor de cartões de crédito tornou-se mais competitivo e orientado a dados, tornando a segmentação significativamente mais sofisticada, com foco no comportamento real do cliente, suas ações efetivas, mentalidade, aspirações, importância econômica e necessidades financeiras (Krishnan, 2024).

A adoção de estratégias de segmentação torna-se imperativa para identificar o público-alvo de cada tipo de cartão. Ao alinhar a oferta às necessidades específicas do consumidor, as instituições financeiras não apenas elevam os níveis de satisfação, mas também contribuem para o fortalecimento do relacionamento de longo prazo. Conceitualmente, a segmentação de clientes consiste na divisão do mercado em grupos distintos que compartilham particularidades comuns, permitindo o desenvolvimento de táticas direcionadas a perfis específicos (Kansal et al., 2018; Güçdemir e Selim, 2015).

No âmbito da ciência de dados, o agrupamento de perfis assemelhados é viabilizado por técnicas de aprendizado não supervisionado, especificamente por meio de algoritmos de clusterização. Diferentemente dos modelos supervisionados, as ferramentas de clusterização proporcionam a identificação de padrões intrínsecos aos dados sem a necessidade de rótulos prévios, com base na similaridade entre as amostras para a formação de grupos (Harrison, 2019). A utilização do algoritmo K-means permite segmentar clientes em grupos distintos, possibilitando o desenvolvimento de estratégias de marketing específicas para cada segmento. Em conjunto com esse algoritmo, é possível utilizar o Principal Component Analysis (PCA), uma técnica de estatística não supervisionada que auxilia na redução de dimensionalidade, comumente usada antes da aplicação do K-means para extrair características de componentes principais de variáveis das amostras (Umuhoza et al., 2020; Abdulhafedh, 2021; Wang, 2025).

Nesse contexto, o presente estudo tem como objetivo identificar os agrupamentos de associados pessoa física usuários de cartão de crédito, bem como suas características distintivas. Busca-se subsidiar o refinamento das estratégias de marketing e comunicação para a oferta de cartões diferenciados. Adicionalmente, pretende-se identificar clientes de alto valor, contribuindo para o fortalecimento do relacionamento institucional para a oferta de produtos complementares no ecossistema de cartões.

2. Material e Métodos

O presente estudo caracterizou-se como uma pesquisa quantitativa, de natureza exploratória e descritiva, com o propósito de identificar agrupamentos de associados pessoa física usuários de cartão de crédito e suas características distintivas. A abordagem metodológica empregou técnicas de aprendizado de máquina não supervisionado, alinhando-se ao objetivo de subsidiar o refinamento de estratégias de marketing e comunicação para a oferta de cartões diferenciados, bem como a identificação de clientes de alto valor.

A unidade de análise consistiu em associados pessoa física de uma cooperativa de crédito que atua na região sul do Brasil. Utilizou-se uma base de dados fornecida pela própria instituição, compreendendo 59.108 registros de associados que realizaram transações na função crédito nos últimos seis meses, especificamente de fevereiro de 2025 a julho de 2025. Os dados foram selecionados em conjunto com a área responsável pelo produto, com base em critérios para “upgrade” de limites, categorias de cartões e segmentação de carteiras.

Para garantir a conformidade com a Lei Geral de Proteção de Dados e as diretrizes internas da cooperativa, a base de dados foi submetida a procedimentos de anonimização. Realizou-se a supressão de dados sensíveis e a exclusão de registros singulares, mitigando o risco de reidentificação de indivíduos. Após esse tratamento, o conjunto de dados finalizou com treze variáveis, das quais a variável “FaixadeRenda” foi excluída por ser categórica e não se adequar ao algoritmo K-means, resultando em doze variáveis numéricas para a análise.

As doze variáveis numéricas remanescentes foram organizadas em quatro grupos para estruturar a análise. Incluíram-se duas variáveis de relacionamento e reciprocidade, que mensuravam o tempo de cadastro e a quantidade de produtos contratados. Seis variáveis de consumo no cartão de crédito detalhavam saldos devedores em outras instituições e na cooperativa, limites utilizados e contratados, e valores e quantidades de transações realizadas. Três variáveis de perfil financeiro abrangiam saldos médios devedores, investimentos e saldo em conta corrente. Por fim, uma variável demográfica representava a idade do associado.

O tratamento dos dados, a análise e a aplicação dos algoritmos foram realizados utilizando a linguagem de programação Python, que oferece acesso a diversas bibliotecas para estatística, matemática, manipulação de tabelas e aprendizado de máquina. Essa ferramenta permitiu a manipulação eficiente dos dados e a visualização dos resultados intermediários.

Devido às distintas magnitudes das variáveis, que poderiam influenciar desproporcionalmente o cálculo das distâncias, os dados foram padronizados. Esse processo, conforme Fávero e Belfiore (2024), ajustou as variáveis para a mesma escala, subtraindo o valor médio das observações e dividindo pelo desvio padrão. A padronização foi implementada utilizando a função `StandardScaler()` da biblioteca Scikit-Learn (Géron, 2021), resultando em dados com média zero e desvio padrão igual a um.

Para a redução de dimensionalidade, aplicou-se a Análise de Componentes Principais (PCA), uma técnica estatística não supervisionada. O PCA teve como objetivo extrair os fatores mais relevantes dos dados, comprimindo o conjunto de dados e simplificando sua descrição (Abdi e William, 2010; Fávero e Belfiore, 2024). A técnica identifica padrões intrínsecos e cria novos conjuntos de variáveis não correlacionadas, maximizando a variância explicada em cada componente.

A definição do número de componentes principais a serem retidos baseou-se no critério de Kaiser, que recomenda manter componentes com autovalores superiores a um (Fávero e Belfiore, 2024). Com base nesse critério, optou-se pela retenção dos cinco primeiros componentes principais, que, em conjunto, explicaram 73,07% da variância acumulada do conjunto de dados. Adicionalmente, verificou-se a comunalidade das variáveis para assegurar que a informação de cada variável fosse adequadamente preservada pelos componentes extraídos.

Para determinar a quantidade ideal de agrupamentos (K), foram empregados os métodos do Cotovelo (Elbow method), Coeficiente de Silhueta, Índice de Calinski-Harabasz e Índice de Davies-Bouldin (Harrison, 2019; Xu e Yusheng, 2019; Abdulhafedh, 2021; Géron, 2021). O método do Cotovelo avalia a inércia, o Coeficiente de Silhueta mede a coesão e separação dos clusters, o Índice de Calinski-Harabasz avalia a relação entre dispersão interna e separação, e o Índice de Davies-Bouldin quantifica a compactação interna e a separação entre grupos.

Para o agrupamento dos dados, utilizou-se o algoritmo K-means, uma técnica de aprendizado não supervisionado que segmenta os dados em um número pré-definido de clusters (Géron, 2021; Fávero e Belfiore, 2024). O algoritmo opera iterativamente, iniciando com centroides aleatórios, atribuindo cada ponto ao centroide mais próximo e recalculando os centroides como a média das instâncias de cada cluster, repetindo o processo até a estabilização dos centroides. A implementação do K-means foi realizada com a biblioteca Scikit-Learn, utilizando a inércia como métrica de desempenho.

Após a aplicação do algoritmo, realizou-se a avaliação dos resultados para confirmar se a variabilidade entre os agrupamentos era significativamente maior do que a variabilidade interna de cada grupo. Para essa análise, empregou-se o Teste F, que testa a hipótese nula de que as médias das variáveis são iguais em todos os clusters versus a hipótese alternativa de que pelo menos um grupo possui uma média estatisticamente diferente (Fávero e Belfiore, 2024). A rejeição da hipótese nula, com nível de significância de 5%, indicou que os grupos formados eram estatisticamente distintos.

3. Resultados e Discussão

A análise dos dados iniciou-se com a exploração das características da base e a aplicação de técnicas de redução de dimensionalidade, culminando na segmentação dos associados. Este processo foi fundamental para identificar grupos distintos de clientes, com base em seus padrões de uso de cartão de crédito e perfis financeiros. O objetivo central foi subsidiar o refinamento das estratégias de marketing da cooperativa, alinhando as ofertas de produtos às necessidades específicas de cada segmento de associados.

A análise estatística inicial da base de dados revelou características importantes das variáveis. Observou-se que a variável “AnosdeRelacionamento” apresentou um desvio padrão maior, indicando uma dispersão considerável nos dados. Em contrapartida, a variável “QuantidadesProdutos” exibiu um desvio padrão menor, sugerindo que a maioria dos associados possui uma quantidade de produtos contratados relativamente próxima da média. Essas observações preliminares foram cruciais para compreender a distribuição das informações antes da aplicação dos algoritmos de agrupamento.

Ao examinar as variáveis de consumo no cartão de crédito, todas apresentaram um desvio padrão elevado, o que sinalizou a presença de valores extremos na base de dados. Variáveis como “VSFNCARTAO_outras_IF” e “VLimiteUtilizadoContaCartaodoCliente” mostraram uma concentração de dados em valores baixos ou zerados, mas também com extremos significativamente altos. As variáveis financeiras de saldo e investimento, como “VSomaSaldoMedio_Poup_RDC_LCA”, exibiram uma heterogeneidade extrema, com desvios padrões que superavam em mais de dez vezes suas respectivas médias, indicando uma forte concentração de recursos em uma pequena parcela dos associados.

Componentes Principais

Antes da aplicação da Análise de Componentes Principais (PCA), foi calculado o coeficiente de correlação de Pearson entre as variáveis. Verificou-se que as variáveis relacionadas ao consumo no cartão de crédito apresentaram correlações positivas elevadas entre si. Essa alta colinearidade sugere que essas variáveis tendem a ter comportamentos similares e contêm informações redundantes, o que poderia impactar o desempenho dos algoritmos de agrupamento. A PCA foi, portanto, uma ferramenta essencial para mitigar essa redundância e reduzir a dimensionalidade dos dados (Abdulhafedh, 2021).

A aplicação da PCA teve como objetivo extrair os fatores mais relevantes do conjunto de dados, simplificando sua descrição e a análise da estrutura das observações e variáveis (Abdi e William, 2010; Fávero e Belfiore, 2024). A definição do número de componentes principais a serem retidos baseou-se no critério de Kaiser, que recomenda manter os componentes com autovalores superiores a um, pois explicam uma variância equivalente ou superior à de uma variável original padronizada.

Com base nesse critério, optou-se pela retenção dos cinco primeiros componentes principais. Esses componentes, em conjunto, explicaram 73,07% da variância acumulada do conjunto de dados, demonstrando sua significativa capacidade de representação. A análise dos coeficientes de carregamento desses cinco componentes principais forneceu informações sobre a contribuição de cada variável original para a formação de cada componente, indicando quais variáveis eram mais relevantes para cada um.

O primeiro componente principal (PC1) teve maior contribuição das variáveis de transação e limites utilizados no cartão de crédito, refletindo principalmente o comportamento de consumo dos associados. O PC1 foi o que carregou a maior variância entre todas as variáveis analisadas. Os componentes PC2 e PC4, por sua vez, apresentaram uma relação mais forte com a idade e o tempo de relacionamento do associado com a cooperativa, indicando que essas características demográficas e de vínculo são bem representadas por esses componentes.

Os componentes PC2 e PC3 também mantiveram informações relevantes sobre o saldo em conta corrente e o saldo de investimentos dos associados, refletindo aspectos de liquidez financeira e capacidade de investimento. Já os componentes PC4 e PC5 continham informações relacionadas ao uso de cartões de crédito fora da cooperativa e ao perfil de associados tomadores de crédito. O PC5, especificamente, apresentou um coeficiente de carregamento alto para a variável de tomadores de crédito, destacando sua importância nesse aspecto.

A verificação das comunalidades das variáveis foi realizada para assegurar que a escolha dos cinco componentes principais era pertinente para o estudo. A comunalidade indica a proporção da variância de uma variável que é explicada pelo conjunto dos componentes extraídos (Fávero e Belfiore, 2024). Observou-se que nenhuma variável apresentou um nível de comunalidade baixo, com todos os valores acima de 0,6. Isso confirmou que a maior parte da informação de cada variável original foi preservada pelos componentes selecionados, validando a escolha dos cinco primeiros componentes principais.

Escolha do Número de Clusters

Para identificar o número ideal de clusters (K), foram empregados diversos métodos de validação. O gráfico do cotovelo, que utiliza a inércia, mostrou uma curva suave, com a taxa de decaimento desacelerando a partir de cinco clusters, sugerindo um ponto de inflexão. O índice de Calinski-Harabasz apresentou um pico em dois clusters e um pico local em cinco, indicando configurações de agrupamento bem definidas nesses pontos (Xu e Yusheng, 2019).

O índice de Davies-Bouldin, que busca valores menores para indicar agrupamentos de alta qualidade, revelou seus “vales” em dois e cinco clusters, corroborando a adequação dessas configurações. Adicionalmente, a análise do coeficiente de silhueta sugeriu que o ideal seria iniciar com dois clusters, observando uma queda e estabilização entre o terceiro e o sexto cluster (Harrison, 2019; Géron, 2021). Essa convergência parcial entre os critérios levou à decisão de avaliar detalhadamente as soluções com dois e cinco clusters, consideradas as mais plausíveis para os objetivos analíticos e de negócio do estudo.

Análise da Solução com Dois Clusters

A avaliação da solução de dois clusters por meio do Teste F indicou que a maioria dos componentes principais contribuiu significativamente para a distinção entre os grupos. Notou-se que apenas o quarto componente principal (PC4) apresentou um p-valor de 0,2039, superior ao nível de significância de 5%, sugerindo que sua contribuição para a diferenciação dos agrupamentos não foi estatisticamente relevante. Em contraste, o primeiro componente principal (PC1) exibiu a maior estatística F, demonstrando um poder discriminante superior na formação desses dois grupos de associados (Fávero e Belfiore, 2024).

As estatísticas básicas internas dos agrupamentos revelaram que o Cluster 0 compreendeu 92% dos associados, totalizando 54.089 registros. Este grupo foi caracterizado por ser grande e compacto, com uma baixa distância média ao centroide, indicando uma segmentação homogênea e poucas instâncias que poderiam ser consideradas *outliers*. Em contrapartida, o Cluster 1, que representou 8% dos associados, com 5.019 registros, apresentou maior dispersão interna e valores extremos substancialmente mais elevados, sugerindo uma maior heterogeneidade e um comportamento mais caudal em suas características.

Em relação às variáveis de relacionamento com a cooperativa, o Cluster 1 demonstrou, em média, um tempo de relacionamento mais longevo e uma maior quantidade de produtos contratados em comparação ao Cluster 0. Contudo, a análise dos quartis indicou que, embora essas diferenças fossem presentes, elas não eram suficientes para sustentar, por si só, uma associação direta e exclusiva entre o maior uso do cartão de crédito e uma maior reciprocidade ou longevidade do relacionamento com a instituição.

A análise da principalidade do cartão de crédito revelou que, embora ambos os clusters utilizassem cartões de outras instituições financeiras (45% para o Cluster 0 e 42% para o Cluster 1), o Cluster 1 exibiu uma maior fidelidade à cooperativa, com 75% dos gastos com cartões realizados internamente, em comparação com 61% do Cluster 0. Este dado é crucial, pois indica que os associados do Cluster 1, mesmo utilizando outros cartões, concentram a maior parte de seus gastos na cooperativa.

Em termos de limites de crédito, ambos os clusters utilizavam, em média, uma pequena parcela do limite disponibilizado. A principal diferença residiu na magnitude desses valores, com o Cluster 1 possuindo, em média, o dobro do limite contratado e também do limite efetivamente utilizado em comparação ao Cluster 0. Isso sugere que, embora o Cluster 1 tenha maior capacidade de crédito, ele ainda não a explora totalmente, o que pode representar uma oportunidade para a cooperativa.

Apesar de o Cluster 1 ser significativamente menor em número de associados, representando apenas 8% da base, ele foi responsável por 38,55% do valor total transacionado nos seis meses analisados. Esse achado é de grande relevância, pois evidencia um grupo com um padrão de consumo substancialmente mais intenso. Além disso, este grupo apresentou uma frequência média de compras aproximadamente quatro vezes superior à do Cluster 0, mantendo um elevado ticket médio por transação.

No perfil financeiro, o Cluster 1 concentrou uma participação relevante nos valores totais das variáveis financeiras. A soma do saldo médio de investimentos em poupança, RDC e LCA (V10) atingiu 34,24% para este grupo, e as outras duas variáveis de perfil financeiro (saldo médio devedor em empréstimos, financiamentos e cheque especial – V9, e saldo médio em conta corrente – V11) superaram 25%. Esses resultados indicam que o Cluster 1 possui maior liquidez, participação significativa em investimentos e maior utilização de operações de crédito, caracterizando-o como um grupo de Consumidores Intensivos.

Com base nesses achados, o Cluster 0 foi interpretado como o Consumidor Padrão, que representa a maior parte da base analisada. Este grupo se caracteriza por menor frequência de compras, menor volume transacionado e menor utilização dos limites de crédito disponíveis. Apresenta, contudo, um potencial para ampliar a concentração de gastos no cartão da cooperativa. Já o Cluster 1 foi identificado como o Consumidor Intensivo, um grupo minoritário, mas de alta relevância econômica, com relacionamento consolidado, maior fidelidade ao cartão da instituição, consumo intenso, alta frequência de compras, ticket médio elevado e participação expressiva nas variáveis financeiras.

Análise da Solução com Cinco Clusters

A solução de cinco clusters, após a exclusão de um agrupamento residual de apenas duas observações consideradas *outliers* devido à sua falta de representatividade estatística, proporcionou uma granularidade estratégica mais aprofundada. O Teste F confirmou que todos os componentes principais contribuíram significativamente para a diferenciação entre os agrupamentos, com p-valores inferiores a 5%, e o poder discriminante dos componentes seguiu uma ordem decrescente do PC1 ao PC5, conforme evidenciado pelas estatísticas F (Fávero e Belfiore, 2024).

As estatísticas básicas internas dos agrupamentos indicaram uma redução na distância média em alguns clusters (0, 1 e 3), sugerindo uma maior compactação interna dos grupos. Em termos de relacionamento com a cooperativa, o Cluster 0 apresentou o menor tempo de vínculo e menor quantidade de produtos contratados em comparação aos demais agrupamentos. Em contraste, o Cluster 1 destacou-se por apresentar o maior tempo médio de relacionamento, enquanto os Clusters 2 e 3 exibiram valores intermediários, indicando um padrão moderado de vínculo com a cooperativa.

A análise de principalidade com cinco clusters revelou comportamentos distintos. O Cluster 0 mostrou menor concentração de uso do cartão da cooperativa, com 53% de *share*, e quase metade dos gastos (49%) realizados em outras instituições financeiras. O Cluster 1, por sua vez, apresentou 63% de *share* na cooperativa, mesmo com 39% de uso em outras instituições. Os Clusters 2 e 3 destacaram-se por um alto *share* na cooperativa, ambos superiores a 70%, apesar de uma parcela significativa de seus associados (40% a 46%) também utilizar cartões de outras instituições.

Em relação aos limites de crédito, todos os agrupamentos demonstraram um uso moderado. Os Clusters 0 e 1 apresentaram limites baixos e condizentes com o consumo. O Cluster 2, um grupo seleto, exibiu limites substancialmente mais altos em relação ao seu uso, sendo muito superior até mesmo ao Cluster 3, que também possuía níveis elevados de limites. Isso sugere que o Cluster 2, embora tenha alta capacidade de crédito, não a explora totalmente, indicando um potencial para a cooperativa.

O valor total transacionado reforçou a importância dos clusters menores em termos de contribuição financeira. O Cluster 3 foi responsável por 39,58% do valor total transacionado, e o Cluster 2, apesar de representar menos de 2% da base, contribuiu com 14,68% do volume total. Esses resultados evidenciam diferenças marcantes no comportamento de consumo entre os grupos, com os clusters de maior valor (2 e 3) apresentando maior frequência de compras e ticket médio mais elevado.

No perfil financeiro, o Cluster 0 apresentou menor adesão aos produtos financeiros da cooperativa. O Cluster 1, embora com um comportamento de consumo similar ao Cluster 0, mostrou médias relativamente mais altas nas variáveis financeiras, mantendo um nível intermediário de utilização dos serviços. O Cluster 3 destacou-se com uma média significativamente mais alta na variável de saldo médio devedor em empréstimos, financiamentos e cheque especial (V9), mantendo-se consistentemente à frente no uso dos produtos que a cooperativa proporciona.

A variável demográfica “Idade” também revelou diferenças significativas entre os públicos. O Cluster 0 foi o mais jovem e, como observado anteriormente, o que apresentava menor tempo de relacionamento com a cooperativa. O Cluster 1, por sua vez, foi o grupo mais velho, com uma diferença média de idade próxima de 20 anos em relação ao Cluster 0. Os Clusters 2 e 3 apresentaram médias de idade intermediárias, indicando perfis etários distintos que podem influenciar as estratégias de comunicação e oferta de produtos.

Perfis dos Clusters

A partir dos resultados obtidos para a solução com cinco clusters, os perfis dos associados podem ser descritos de forma detalhada. O Cluster 0, denominado Consumidor em Potencial, é um público com pouco tempo de cooperativa, caracterizado pela baixa frequência de uso do cartão de crédito e limites ainda modestos. Este grupo representa uma oportunidade estratégica para a cooperativa se tornar sua principal instituição financeira, através de ações direcionadas que incentivem o engajamento e a utilização de seus produtos.

O Cluster 1, identificado como Consumidor Adormecido, contém associados com maior tempo de relacionamento e níveis moderados de utilização dos produtos financeiros. Este segmento possui um excelente potencial a ser explorado, especialmente na oferta de cartões diferenciados, visando converter aqueles que utilizam cartões de outras instituições financeiras. A cooperativa pode focar em estratégias de *cross-selling* e *up-selling* para maximizar o valor desses clientes.

O Cluster 2, denominado Consumidor Exclusivo, é um grupo extremamente seleto, distinguido por um ótimo relacionamento e reciprocidade com a cooperativa. Este perfil pode ser ainda mais valorizado por meio da oferta de cartões e produtos financeiros mais exclusivos e personalizados, que reforcem seu status e fidelidade à instituição. A manutenção e o aprofundamento desse relacionamento são cruciais para a cooperativa.

Por fim, o Cluster 3, caracterizado como Consumidor Intensivo, abrange os associados que geram a maior parte do valor transacionado. Para este grupo, a estratégia deve focar em programas de benefícios e pontuação mais robustos, incentivando ainda mais o uso e a fidelidade ao cartão da cooperativa. A personalização de recompensas e a comunicação de valor agregado são essenciais para manter o alto engajamento desses clientes.

Comparação e Implicações dos Modelos

A comparação entre os modelos de dois e cinco clusters revelou que, embora o modelo de dois clusters ofereça uma visão macro, distinguindo entre consumidores padrão e intensivos, a configuração com cinco clusters proporcionou uma granularidade estratégica superior. O modelo de cinco clusters permitiu a identificação de grupos mais específicos, como o “Consumidor Adormecido”, que representa uma oportunidade imediata de conversão de gastos de outras instituições para a cooperativa, e o “Consumidor Exclusivo”, que demanda ofertas de alto valor.

Ambas as abordagens, no entanto, são valiosas para a cooperativa. O modelo de dois clusters pode ser utilizado para uma triagem inicial, identificando rapidamente os associados de alto valor para ofertas personalizadas e uma comunicação mais genérica. Já o modelo de cinco clusters permite o desenvolvimento de estratégias de marketing e comunicação altamente direcionadas, otimizando a oferta de produtos complementares e o fortalecimento do relacionamento institucional, conforme o objetivo do estudo. A segmentação, portanto, cumpre seu papel ao captar o comportamento real do associado, fornecendo um guia para comunicações personalizadas e programas de recompensas que aumentam a competitividade da cooperativa no mercado financeiro.

4. Conclusão

O presente estudo buscou identificar os agrupamentos de associados pessoa física usuários de cartão de crédito em uma cooperativa, bem como suas características distintivas, com o propósito de subsidiar o refinamento das estratégias de marketing e comunicação para a oferta de cartões diferenciados e fortalecer o relacionamento institucional. Para tanto, empregou-se a linguagem Python para o tratamento dos dados, a padronização com StandardScaler e a redução de dimensionalidade por Análise de Componentes Principais (PCA), que reteve cinco componentes explicando 73,07% da variância. Posteriormente, aplicou-se o algoritmo K-means, com a avaliação de cenários de dois e cinco clusters.

A análise com dois clusters revelou uma distinção macro entre Consumidores Padrão, que compreendem a maior parte da base com menor frequência de compras e volume transacionado, e Consumidores Intensivos, um grupo minoritário, porém responsável por uma parcela substancial do valor total transacionado e caracterizado por maior fidelidade e engajamento com a cooperativa. A solução de cinco clusters, por sua vez, proporcionou uma granularidade estratégica mais aprofundada, permitindo a identificação de perfis como o Consumidor em Potencial, o Consumidor Adormecido, o Consumidor Exclusivo e o Consumidor Intensivo. Notou-se que o Consumidor Adormecido, embora com relacionamento consolidado e recursos na cooperativa, ainda utiliza cartões de outras instituições, configurando uma oportunidade significativa para a conversão de gastos. Essa segmentação detalhada oferece subsídios valiosos para a cooperativa desenvolver estratégias de marketing e comunicação personalizadas, otimizar a oferta de produtos complementares e fortalecer o relacionamento institucional, elevando sua competitividade no mercado financeiro.

Referências Bibliográficas

Abdi e William, 2010 [Referência completa não encontrada no documento original]

Abdulhafedh, A. 2021. Incorporating “K-means”, Hierarchical Clustering and PCA in Customer Segmentation. Journal of City and Development 3(1): 12–30.

Banco Central do Brasil [BACEN]. 2022. Boxe 3 – Perfil de utilização de cartões de crédito no Brasil. Disponível em: <https://www.bcb.gov.br/content/publicacoes/boxe_relatorio_de_economia_bancaria/reb2022b3p.pdf>. Acesso em: 08 de setembro de 2025.

Banco Central do Brasil [BACEN]. 2023. Cartilha – Cartão de crédito. Disponível em:<https://www.bcb.gov.br/pec/appron/cartilha.pdf>. Acesso em: 08 de setembro de 2025.

Fávero, L.P.; Belfiore, P. 2024. Manual de Análise de Dados: Estatística e machine learning com Excel®, SPSS®, Stata®, R® e Python®. 2ed. LTC, Rio de Janeiro, RJ, Brasil.

Géron, A. 2021. Mãos à Obra: Aprendizado de Máquina com Scikit-Learn, Keras & TensorFlow: Conceitos, Ferramentas e Técnicas para a Construção de Sistemas Inteligentes. 2ed. Alta Books, Rio de Janeiro, RJ, Brasil.

Güçdemir, H.; Selim, H; 2015. Integrating multi-criteria decision making and clustering for business customer segmentation. Industrial Management & Data Systems 115(6): 1022-1040.

Harrison, M. 2020. Machine Learning – Guia de Referência Rápida: Trabalhando com Dados Estruturados em Python. 1ed. Novatec Editora, São Paulo, SP, Brasil.

Kansal, T.; Bahuguna, S.; Singh, V.; Choudhury, T. 2018. Customer Segmentation using “K-means” Clustering. In: International Conference on Computational Techniques, Electronics and Mechanical Systems (CTEMS), 2018, Belgaum, Índia. Anais… p. 135-139.

Krishnan, G.U. 2024. Customer Segmentation for Credit Card Customers: A Comprehensive Guide. Int. J. Sci. Res. Comput. Sci. Eng. Inf. Technol 10(5): 286–296.

Umuhoza, E.; Ntirushwamaboko, D.; Awuah, J.; Birir, B. 2020. Using Unsupervised Machine Learning Techniques for Behavioral-based Credit Card Users Segmentation in Africa. SAIEE Africa Research Journal 111(3): 95-101.

Wang, G. 2025. Customer segmentation in the digital marketing using a Q-learning based differential evolution algorithm integrated with “K-means” clustering. Plos One 20(2): e0318519.

Wang, X.; Xu, Y. 2019. An improved index for clustering validation based on Silhouette index and Calinski-Harabasz index. IOP Conference Series: Materials Science and Engineering 569(5): 052024.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Data Science e Analytics do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy