Segmentación de Audiencia Pf para Tarjeta de Crédito en Cooperativas con Aprendizaje Automático

Bernardo Augusto Zucco; Adriana Camargo de Brito

DOI: 10.22167/2675-6528-202602718

Artículo derivado del Trabajo de Conclusión de Curso (TCC), con contenido basado en el trabajo original del alumno y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege para síntesis y organización textual.

Resumen

Se propuso la segmentación de asociados persona física de una cooperativa de crédito brasileña para fundamentar la oferta personalizada de tarjetas de crédito en un escenario financiero competitivo. El estudio utilizó una base de datos con 59.108 registros de transacciones de tarjeta de crédito. La metodología empleó el lenguaje Python para el tratamiento de los datos y técnicas de aprendizaje automático no supervisado. Inicialmente, los datos fueron estandarizados con StandardScaler y la dimensionalidad fue reducida por Análisis de Componentes Principales (PCA), reteniendo cinco componentes. Para la agrupación, se aplicó el algoritmo K-means, con escenarios de dos y cinco clusters definidos por métodos como Codo, Silueta, Calinski-Harabasz y Davies-Bouldin. El modelo de dos clusters ofreció una visión macro entre consumidores estándar e intensivos, mientras que el de cinco clusters presentó mayor granularidad estratégica, identificando un segmento de “consumidor dormido” con alto potencial de conversión. Los resultados proporcionan subsidios para estrategias de marketing dirigidas, con el objetivo de retener clientes de alto valor y fortalecer la relación institucional.

Palabras clave: Cluster; K-means; PCA; Segmentación de clientes.

1. Introducción

La base de usuarios de tarjetas de crédito en Brasil ha experimentado una expansión expresiva en los últimos años, impulsada por la creciente competencia derivada de la entrada de nuevas instituciones financieras. Como consecuencia, una parte significativa de la población ha pasado a tener acceso a una o múltiples tarjetas de crédito (Banco Central de Brasil, 2022). El mercado ofrece diferentes tipos de tarjetas, desde las básicas, destinadas exclusivamente a pagos, hasta las diferenciadas, que pueden incluir programas de beneficios y recompensas, generalmente con una cuota anual más elevada (Banco Central de Brasil, 2023).

Ante este escenario altamente competitivo, la idea de segmentación de clientes ha progresado de forma significativa. Anteriormente, la segmentación se basaba sobre todo en características como demografía, edad, renta y ocupación. Con el paso del tiempo, el sector de tarjetas de crédito se ha vuelto más competitivo y orientado a datos, haciendo la segmentación significativamente más sofisticada, con foco en el comportamiento real del cliente, sus acciones efectivas, mentalidad, aspiraciones, importancia económica y necesidades financieras (Krishnan, 2024).

La adopción de estrategias de segmentación se vuelve imperativa para identificar el público objetivo de cada tipo de tarjeta. Al alinear la oferta con las necesidades específicas del consumidor, las instituciones financieras no solo elevan los niveles de satisfacción, sino que también contribuyen al fortalecimiento de la relación a largo plazo. Conceptualmente, la segmentación de clientes consiste en la división del mercado en grupos distintos que comparten particularidades comunes, permitiendo el desarrollo de tácticas dirigidas a perfiles específicos (Kansal et al., 2018; Güçdemir y Selim, 2015).

En el ámbito de la ciencia de datos, la agrupación de perfiles similares se habilita mediante técnicas de aprendizaje no supervisado, específicamente a través de algoritmos de clusterización. A diferencia de los modelos supervisados, las herramientas de clusterización permiten la identificación de patrones intrínsecos a los datos sin necesidad de etiquetas previas, basándose en la similitud entre las muestras para la formación de grupos (Harrison, 2019). El uso del algoritmo K-means permite segmentar clientes en grupos distintos, posibilitando el desarrollo de estrategias de marketing específicas para cada segmento. Junto con este algoritmo, es posible utilizar el Principal Component Analysis (PCA), una técnica de estadística no supervisada que ayuda en la reducción de dimensionalidad, comúnmente utilizada antes de la aplicación de K-means para extraer características de componentes principales de variables de las muestras (Umuhoza et al., 2020; Abdulhafedh, 2021; Wang, 2025).

En este contexto, el presente estudio tiene como objetivo identificar los agrupamientos de asociados persona física usuarios de tarjeta de crédito, así como sus características distintivas. Se busca subsidiar el refinamiento de las estrategias de marketing y comunicación para la oferta de tarjetas diferenciadas. Adicionalmente, se pretende identificar clientes de alto valor, contribuyendo al fortalecimiento de la relación institucional para la oferta de productos complementarios en el ecosistema de tarjetas.

2. Material y Métodos

El presente estudio se caracterizó como una investigación cuantitativa, de naturaleza exploratoria y descriptiva, con el propósito de identificar agrupaciones de asociados persona física usuarios de tarjeta de crédito y sus características distintivas. El enfoque metodológico empleó técnicas de aprendizaje automático no supervisado, alineándose al objetivo de subsidiar el refinamiento de estrategias de marketing y comunicación para la oferta de tarjetas diferenciadas, así como la identificación de clientes de alto valor.

La unidad de análisis consistió en asociados persona física de una cooperativa de crédito que opera en la región sur de Brasil. Se utilizó una base de datos proporcionada por la propia institución, que comprende 59.108 registros de asociados que realizaron transacciones en la función crédito en los últimos seis meses, específicamente de febrero de 2025 a julio de 2025. Los datos fueron seleccionados conjuntamente con el área responsable del producto, basándose en criterios para “upgrade” de límites, categorías de tarjetas y segmentación de carteras.

Para garantizar la conformidad con la Ley General de Protección de Datos y las directrices internas de la cooperativa, la base de datos fue sometida a procedimientos de anonimización. Se realizó la supresión de datos sensibles y la exclusión de registros singulares, mitigando el riesgo de reidentificación de individuos. Tras este tratamiento, el conjunto de datos finalizó con trece variables, de las cuales la variable “FaixadeRenda” fue excluida por ser categórica y no adecuarse al algoritmo K-means, resultando en doce variables numéricas para el análisis.

Las doce variables numéricas restantes se organizaron en cuatro grupos para estructurar el análisis. Se incluyeron dos variables de relación y reciprocidad, que medían el tiempo de registro y la cantidad de productos contratados. Seis variables de consumo en tarjeta de crédito detallaban saldos adeudados en otras instituciones y en la cooperativa, límites utilizados y contratados, y valores y cantidades de transacciones realizadas. Tres variables de perfil financiero abarcaban saldos deudores promedio, inversiones y saldo en cuenta corriente. Finalmente, una variable demográfica representaba la edad del asociado.

El tratamiento de los datos, el análisis y la aplicación de los algoritmos se realizaron utilizando el lenguaje de programación Python, que ofrece acceso a diversas bibliotecas para estadística, matemáticas, manipulación de tablas y aprendizaje automático. Esta herramienta permitió la manipulación eficiente de los datos y la visualización de los resultados intermedios.

Debido a las distintas magnitudes de las variables, que podrían influir desproporcionadamente en el cálculo de las distancias, los datos fueron estandarizados. Este proceso, según Fávero y Belfiore (2024), ajustó las variables a la misma escala, restando el valor medio de las observaciones y dividiendo por la desviación estándar. La estandarización se implementó utilizando la función `StandardScaler()` de la biblioteca Scikit-Learn (Géron, 2021), resultando en datos con media cero y desviación estándar igual a uno.

Para la reducción de dimensionalidad, se aplicó el Análisis de Componentes Principales (PCA), una técnica estadística no supervisada. El PCA tuvo como objetivo extraer los factores más relevantes de los datos, comprimiendo el conjunto de datos y simplificando su descripción (Abdi y William, 2010; Fávero y Belfiore, 2024). La técnica identifica patrones intrínsecos y crea nuevos conjuntos de variables no correlacionadas, maximizando la varianza explicada en cada componente.

La definición del número de componentes principales a retener se basó en el criterio de Kaiser, que recomienda mantener componentes con autovalores superiores a uno (Fávero y Belfiore, 2024). Con base en este criterio, se optó por retener los cinco primeros componentes principales, que, en conjunto, explicaron el 73,07% de la varianza acumulada del conjunto de datos. Adicionalmente, se verificó la comunalidad de las variables para asegurar que la información de cada variable fuera adecuadamente preservada por los componentes extraídos.

Para determinar la cantidad ideal de agrupaciones (K), se emplearon los métodos del Codo (Elbow method), Coeficiente de Silueta, Índice de Calinski-Harabasz e Índice de Davies-Bouldin (Harrison, 2019; Xu y Yusheng, 2019; Abdulhafedh, 2021; Géron, 2021). El método del Codo evalúa la inercia, el Coeficiente de Silueta mide la cohesión y separación de los clusters, el Índice de Calinski-Harabasz evalúa la relación entre dispersión interna y separación, y el Índice de Davies-Bouldin cuantifica la compactación interna y la separación entre grupos.

Para el agrupamiento de los datos, se utilizó el algoritmo K-means, una técnica de aprendizaje no supervisado que segmenta los datos en un número predefinido de clústeres (Géron, 2021; Fávero y Belfiore, 2024). El algoritmo opera iterativamente, comenzando con centroides aleatorios, asignando cada punto al centroide más cercano y recalculando los centroides como la media de las instancias de cada clúster, repitiendo el proceso hasta la estabilización de los centroides. La implementación del K-means se realizó con la biblioteca Scikit-Learn, utilizando la inercia como métrica de rendimiento.

Tras la aplicación del algoritmo, se realizó la evaluación de los resultados para confirmar si la variabilidad entre los agrupamientos era significativamente mayor que la variabilidad interna de cada grupo. Para este análisis, se empleó la Prueba F, que contrasta la hipótesis nula de que las medias de las variables son iguales en todos los clústeres frente a la hipótesis alternativa de que al menos un grupo tiene una media estadísticamente diferente (Fávero y Belfiore, 2024). El rechazo de la hipótesis nula, con un nivel de significancia del 5%, indicó que los grupos formados eran estadísticamente distintos.

3. Resultados y Discusión

El análisis de los datos se inició con la exploración de las características de la base y la aplicación de técnicas de reducción de dimensionalidad, culminando en la segmentación de los asociados. Este proceso fue fundamental para identificar grupos distintos de clientes, basándose en sus patrones de uso de tarjeta de crédito y perfiles financieros. El objetivo central fue subsidiar el refinamiento de las estrategias de marketing de la cooperativa, alineando las ofertas de productos a las necesidades específicas de cada segmento de asociados.

El análisis estadístico inicial de la base de datos reveló características importantes de las variables. Se observó que la variable “AñosdeRelación” presentó una desviación estándar mayor, lo que indica una dispersión considerable en los datos. Por el contrario, la variable “CantidadesProductos” mostró una desviación estándar menor, lo que sugiere que la mayoría de los asociados tiene una cantidad de productos contratados relativamente cercana a la media. Estas observaciones preliminares fueron cruciales para comprender la distribución de la información antes de la aplicación de los algoritmos de agrupamiento.

Al examinar las variables de consumo en la tarjeta de crédito, todas presentaron una desviación estándar elevada, lo que señaló la presencia de valores extremos en la base de datos. Variables como “VSFNCARTAO_outras_IF” y “VLimiteUtilizadoContaCartaodoCliente” mostraron una concentración de datos en valores bajos o cero, pero también con extremos significativamente altos. Las variables financieras de saldo e inversión, como “VSomaSaldoMedio_Poup_RDC_LCA”, exhibieron una heterogeneidad extrema, con desviaciones estándar que superaban en más de diez veces sus respectivas medias, indicando una fuerte concentración de recursos en una pequeña porción de los asociados.

Componentes Principales

Antes de aplicar el Análisis de Componentes Principales (PCA), se calculó el coeficiente de correlación de Pearson entre las variables. Se observó que las variables relacionadas con el consumo en tarjeta de crédito presentaban correlaciones positivas elevadas entre sí. Esta alta colinealidad sugiere que estas variables tienden a tener comportamientos similares y contienen información redundante, lo que podría impactar el rendimiento de los algoritmos de agrupamiento. Por lo tanto, el PCA fue una herramienta esencial para mitigar esta redundancia y reducir la dimensionalidad de los datos (Abdulhafedh, 2021).

La aplicación del PCA tuvo como objetivo extraer los factores más relevantes del conjunto de datos, simplificando su descripción y el análisis de la estructura de las observaciones y variables (Abdi y William, 2010; Fávero y Belfiore, 2024). La definición del número de componentes principales a retener se basó en el criterio de Kaiser, que recomienda mantener los componentes con autovalores superiores a uno, ya que explican una varianza equivalente o superior a la de una variable original estandarizada.

Con base en este criterio, se optó por retener los cinco primeros componentes principales. Estos componentes, en conjunto, explicaron el 73,07% de la varianza acumulada del conjunto de datos, demostrando su significativa capacidad de representación. El análisis de los coeficientes de carga de estos cinco componentes principales proporcionó información sobre la contribución de cada variable original a la formación de cada componente, indicando qué variables eran más relevantes para cada uno.

El primer componente principal (PC1) tuvo una mayor contribución de las variables de transacción y límites utilizados en la tarjeta de crédito, reflejando principalmente el comportamiento de consumo de los asociados. El PC1 fue el que cargó la mayor varianza entre todas las variables analizadas. Los componentes PC2 y PC4, a su vez, presentaron una relación más fuerte con la edad y el tiempo de relación del asociado con la cooperativa, indicando que estas características demográficas y de vínculo están bien representadas por estos componentes.

Los componentes PC2 y PC3 también mantuvieron información relevante sobre el saldo en cuenta corriente y el saldo de inversiones de los asociados, reflejando aspectos de liquidez financiera y capacidad de inversión. Por su parte, los componentes PC4 y PC5 contenían información relacionada con el uso de tarjetas de crédito fuera de la cooperativa y el perfil de asociados tomadores de crédito. El PC5, específicamente, presentó un alto coeficiente de carga para la variable de tomadores de crédito, destacando su importancia en este aspecto.

La verificación de las comunalidades de las variables se realizó para asegurar que la elección de los cinco componentes principales era pertinente para el estudio. La comunalidad indica la proporción de la varianza de una variable que es explicada por el conjunto de los componentes extraídos (Fávero y Belfiore, 2024). Se observó que ninguna variable presentó un nivel de comunalidad bajo, con todos los valores por encima de 0,6. Esto confirmó que la mayor parte de la información de cada variable original fue preservada por los componentes seleccionados, validando la elección de los cinco primeros componentes principales.

Elección del Número de Clusters

Para identificar el número ideal de clústeres (K), se emplearon diversos métodos de validación. El gráfico del codo, que utiliza la inercia, mostró una curva suave, con la tasa de decaimiento desacelerando a partir de cinco clústeres, sugiriendo un punto de inflexión. El índice de Calinski-Harabasz presentó un pico en dos clústeres y un pico local en cinco, indicando configuraciones de agrupamiento bien definidas en esos puntos (Xu y Yusheng, 2019).

El índice Davies-Bouldin, que busca valores menores para indicar agrupaciones de alta calidad, reveló sus “valles” en dos y cinco clústeres, corroborando la idoneidad de estas configuraciones. Adicionalmente, el análisis del coeficiente de silueta sugirió que lo ideal sería comenzar con dos clústeres, observando una caída y estabilización entre el tercer y el sexto clúster (Harrison, 2019; Géron, 2021). Esta convergencia parcial entre los criterios llevó a la decisión de evaluar detalladamente las soluciones con dos y cinco clústeres, consideradas las más plausibles para los objetivos analíticos y de negocio del estudio.

Análisis de la Solución con Dos Clusters

La evaluación de la solución de dos clústeres mediante la Prueba F indicó que la mayoría de los componentes principales contribuyeron significativamente a la distinción entre los grupos. Se observó que solo el cuarto componente principal (PC4) presentó un valor p de 0,2039, superior al nivel de significancia del 5%, lo que sugiere que su contribución a la diferenciación de los agrupamientos no fue estadísticamente relevante. En contraste, el primer componente principal (PC1) exhibió la mayor estadística F, demostrando un poder discriminante superior en la formación de estos dos grupos de asociados (Fávero y Belfiore, 2024).

Las estadísticas básicas internas de los agrupamientos revelaron que el Clúster 0 comprendió el 92% de los asociados, totalizando 54.089 registros. Este grupo se caracterizó por ser grande y compacto, con una baja distancia media al centroide, indicando una segmentación homogénea y pocas instancias que podrían considerarse *outliers*. En contrapartida, el Clúster 1, que representó el 8% de los asociados, con 5.019 registros, presentó mayor dispersión interna y valores extremos sustancialmente más elevados, sugiriendo una mayor heterogeneidad y un comportamiento más caudal en sus características.

En relación con las variables de relación con la cooperativa, el Clúster 1 demostró, en promedio, un tiempo de relación más longevo y una mayor cantidad de productos contratados en comparación con el Clúster 0. Sin embargo, el análisis de los cuartiles indicó que, aunque estas diferencias estaban presentes, no eran suficientes para sostener, por sí solas, una asociación directa y exclusiva entre un mayor uso de la tarjeta de crédito y una mayor reciprocidad o longevidad de la relación con la institución.

El análisis de la principalidad de la tarjeta de crédito reveló que, si bien ambos clústeres utilizaban tarjetas de otras instituciones financieras (45% para el Clúster 0 y 42% para el Clúster 1), el Clúster 1 mostró una mayor fidelidad a la cooperativa, con el 75% de los gastos con tarjetas realizados internamente, en comparación con el 61% del Clúster 0. Este dato es crucial, ya que indica que los asociados del Clúster 1, a pesar de utilizar otras tarjetas, concentran la mayor parte de sus gastos en la cooperativa.

En términos de límites de crédito, ambos clústeres utilizaban, en promedio, una pequeña parte del límite disponible. La principal diferencia radicó en la magnitud de estos valores, con el Clúster 1 poseyendo, en promedio, el doble del límite contratado y también del límite efectivamente utilizado en comparación con el Clúster 0. Esto sugiere que, aunque el Clúster 1 tiene mayor capacidad de crédito, aún no la explota totalmente, lo que puede representar una oportunidad para la cooperativa.

A pesar de que el Clúster 1 es significativamente menor en número de asociados, representando solo el 8% de la base, fue responsable del 38,55% del valor total transaccionado en los seis meses analizados. Este hallazgo es de gran relevancia, ya que evidencia un grupo con un patrón de consumo sustancialmente más intenso. Además, este grupo presentó una frecuencia media de compras aproximadamente cuatro veces superior a la del Clúster 0, manteniendo un elevado ticket medio por transacción.

En el perfil financiero, el Clúster 1 concentró una participación relevante en los valores totales de las variables financieras. La suma del saldo promedio de inversiones en ahorro, RDC y LCA (V10) alcanzó el 34,24% para este grupo, y las otras dos variables de perfil financiero (saldo promedio deudor en préstamos, financiaciones y descubierto – V9, y saldo promedio en cuenta corriente – V11) superaron el 25%. Estos resultados indican que el Clúster 1 posee mayor liquidez, participación significativa en inversiones y mayor utilización de operaciones de crédito, caracterizándolo como un grupo de Consumidores Intensivos.

Con base en estos hallazgos, el Clúster 0 fue interpretado como el Consumidor Estándar, que representa la mayor parte de la base analizada. Este grupo se caracteriza por menor frecuencia de compras, menor volumen transaccionado y menor utilización de los límites de crédito disponibles. Presenta, sin embargo, un potencial para ampliar la concentración de gastos en la tarjeta de la cooperativa. Por su parte, el Clúster 1 fue identificado como el Consumidor Intensivo, un grupo minoritario, pero de alta relevancia económica, con relación consolidada, mayor fidelidad a la tarjeta de la institución, consumo intenso, alta frecuencia de compras, ticket promedio elevado y participación expresiva en las variables financieras.

Análisis de la Solución con Cinco Clusters

La solución de cinco clústeres, tras la exclusión de un agrupamiento residual de solo dos observaciones consideradas *outliers* por su falta de representatividad estadística, proporcionó una granularidad estratégica más profunda. La Prueba F confirmó que todos los componentes principales contribuyeron significativamente a la diferenciación entre los agrupamientos, con valores p inferiores al 5%, y el poder discriminante de los componentes siguió un orden decreciente del PC1 al PC5, según lo evidenciado por las estadísticas F (Fávero y Belfiore, 2024).

Las estadísticas básicas internas de los agrupamientos indicaron una reducción en la distancia media en algunos clusters (0, 1 y 3), sugiriendo una mayor compactación interna de los grupos. En términos de relación con la cooperativa, el Cluster 0 presentó el menor tiempo de vínculo y menor cantidad de productos contratados en comparación con los demás agrupamientos. En contraste, el Cluster 1 se destacó por presentar el mayor tiempo medio de relación, mientras que los Clusters 2 y 3 exhibieron valores intermedios, indicando un patrón moderado de vínculo con la cooperativa.

El análisis de correspondencia con cinco clústeres reveló comportamientos distintos. El Clúster 0 mostró menor concentración de uso de la tarjeta de la cooperativa, con un 53% de *share*, y casi la mitad de los gastos (49%) realizados en otras instituciones financieras. El Clúster 1, por su parte, presentó un 63% de *share* en la cooperativa, incluso con un 39% de uso en otras instituciones. Los Clústeres 2 y 3 se destacaron por un alto *share* en la cooperativa, ambos superiores al 70%, a pesar de que una parte significativa de sus asociados (40% a 46%) también utiliza tarjetas de otras instituciones.

En cuanto a los límites de crédito, todos los agrupamientos mostraron un uso moderado. Los Clústeres 0 y 1 presentaron límites bajos y acordes con el consumo. El Clúster 2, un grupo selecto, exhibió límites sustancialmente más altos en relación con su uso, siendo muy superiores incluso al Clúster 3, que también poseía niveles elevados de límites. Esto sugiere que el Clúster 2, aunque tiene alta capacidad de crédito, no la explota totalmente, indicando un potencial para la cooperativa.

El valor total transaccionado reforzó la importancia de los clusters menores en términos de contribución financiera. El Cluster 3 fue responsable del 39,58% del valor total transaccionado, y el Cluster 2, a pesar de representar menos del 2% de la base, contribuyó con el 14,68% del volumen total. Estos resultados evidencian diferencias marcadas en el comportamiento de consumo entre los grupos, con los clusters de mayor valor (2 y 3) presentando mayor frecuencia de compras y un ticket promedio más elevado.

En el perfil financiero, el Clúster 0 presentó menor adhesión a los productos financieros de la cooperativa. El Clúster 1, aunque con un comportamiento de consumo similar al Clúster 0, mostró medias relativamente más altas en las variables financieras, manteniendo un nivel intermedio de utilización de los servicios. El Clúster 3 se destacó con una media significativamente más alta en la variable de saldo medio deudor en préstamos, financiaciones y descubierto (V9), manteniéndose consistentemente a la cabeza en el uso de los productos que la cooperativa proporciona.

La variable demográfica “Edad” también reveló diferencias significativas entre las audiencias. El Clúster 0 fue el más joven y, como se observó anteriormente, el que presentaba menor tiempo de relación con la cooperativa. El Clúster 1, por su parte, fue el grupo de mayor edad, con una diferencia media de edad cercana a los 20 años en relación con el Clúster 0. Los Clústeres 2 y 3 presentaron medias de edad intermedias, indicando perfiles etarios distintos que pueden influir en las estrategias de comunicación y oferta de productos.

Perfiles de los Clusters

A partir de los resultados obtenidos para la solución con cinco clústeres, los perfiles de los asociados pueden ser descritos de forma detallada. El Clúster 0, denominado Consumidor en Potencial, es un público con poco tiempo en la cooperativa, caracterizado por la baja frecuencia de uso de la tarjeta de crédito y límites aún modestos. Este grupo representa una oportunidad estratégica para la cooperativa de convertirse en su principal institución financiera, a través de acciones dirigidas que incentiven el compromiso y la utilización de sus productos.

El Clúster 1, identificado como Consumidor Durmiente, contiene asociados con mayor tiempo de relación y niveles moderados de utilización de los productos financieros. Este segmento posee un excelente potencial a ser explorado, especialmente en la oferta de tarjetas diferenciadas, buscando convertir a aquellos que utilizan tarjetas de otras instituciones financieras. La cooperativa puede enfocarse en estrategias de *cross-selling* y *up-selling* para maximizar el valor de estos clientes.

El Clúster 2, denominado Consumidor Exclusivo, es un grupo extremadamente selecto, distinguido por una excelente relación y reciprocidad con la cooperativa. Este perfil puede ser aún más valorizado mediante la oferta de tarjetas y productos financieros más exclusivos y personalizados, que refuercen su estatus y fidelidad a la institución. El mantenimiento y la profundización de esta relación son cruciales para la cooperativa.

Finalmente, el Clúster 3, caracterizado como Consumidor Intensivo, abarca a los asociados que generan la mayor parte del valor transaccionado. Para este grupo, la estrategia debe centrarse en programas de beneficios y puntuación más robustos, incentivando aún más el uso y la fidelidad a la tarjeta de la cooperativa. La personalización de recompensas y la comunicación de valor agregado son esenciales para mantener el alto compromiso de estos clientes.

Comparación e Implicaciones de los Modelos

La comparación entre los modelos de dos y cinco clústeres reveló que, si bien el modelo de dos clústeres ofrece una visión macro, distinguiendo entre consumidores estándar e intensivos, la configuración de cinco clústeres proporcionó una granularidad estratégica superior. El modelo de cinco clústeres permitió la identificación de grupos más específicos, como el “Consumidor Durmiente”, que representa una oportunidad inmediata de conversión de gastos de otras instituciones a la cooperativa, y el “Consumidor Exclusivo”, que demanda ofertas de alto valor.

Ambos los enfoques, sin embargo, son valiosos para la cooperativa. El modelo de dos clústeres puede ser utilizado para una selección inicial, identificando rápidamente a los asociados de alto valor para ofertas personalizadas y una comunicación más genérica. Por su parte, el modelo de cinco clústeres permite el desarrollo de estrategias de marketing y comunicación altamente dirigidas, optimizando la oferta de productos complementarios y el fortalecimiento de la relación institucional, conforme al objetivo del estudio. La segmentación, por lo tanto, cumple su papel al captar el comportamiento real del asociado, proporcionando una guía para comunicaciones personalizadas y programas de recompensas que aumentan la competitividad de la cooperativa en el mercado financiero.

4. Conclusión

El presente estudio buscó identificar los agrupamientos de asociados persona física usuarios de tarjeta de crédito en una cooperativa, así como sus características distintivas, con el propósito de subsidiar el refinamiento de las estrategias de marketing y comunicación para la oferta de tarjetas diferenciadas y fortalecer el relacionamento institucional. Para ello, se empleó el lenguaje Python para el tratamiento de los datos, la estandarización con StandardScaler y la reducción de dimensionalidad por Análisis de Componentes Principales (PCA), que retuvo cinco componentes explicando el 73,07% de la varianza. Posteriormente, se aplicó el algoritmo K-means, con la evaluación de escenarios de dos y cinco clusters.

El análisis con dos clústeres reveló una distinción macro entre Consumidores Estándar, que comprenden la mayor parte de la base con menor frecuencia de compras y volumen transaccionado, y Consumidores Intensivos, un grupo minoritario, pero responsable de una parte sustancial del valor total transaccionado y caracterizado por mayor fidelidad y compromiso con la cooperativa. La solución de cinco clústeres, a su vez, proporcionó una granularidad estratégica más profunda, permitiendo la identificación de perfiles como el Consumidor Potencial, el Consumidor Dormido, el Consumidor Exclusivo y el Consumidor Intensivo. Se observó que el Consumidor Dormido, aunque con una relación consolidada y recursos en la cooperativa, todavía utiliza tarjetas de otras instituciones, configurando una oportunidad significativa para la conversión de gastos. Esta segmentación detallada ofrece subsidios valiosos para que la cooperativa desarrolle estrategias de marketing y comunicación personalizadas, optimice la oferta de productos complementarios y fortalezca la relación institucional, elevando su competitividad en el mercado financiero.

Referencias 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.

Artículo originado del Trabajo de Conclusión de Curso de la Especialización en Data Science y Analytics del MBA USP/Esalq

Para saber más sobre el curso, haz clic aquí y accede a la plataforma MBX Academy