Cómo usar la herramienta
Abre un archivo de datos o pulsa «Usar datos de ejemplo», marca las preguntas numéricas que servirán para agrupar (normalmente valoraciones de actitudes, necesidades o importancia), fija el rango de segmentos que quieres comparar (por ejemplo, de 2 a 6) y ejecuta. Comparar 5 soluciones suele llevar menos de un segundo.
Mira primero la tabla de comparación de soluciones: la silueta media y la proporción del segmento más pequeño para cada k. Al elegir una solución, la tabla de perfiles muestra la media de cada segmento en cada variable y su índice frente al total, y puedes añadir variables sociodemográficas para ver su composición. Por último, exporta los datos con la columna de segmento o la tabla de perfiles.
Método: k-medias y silueta
K-medias minimiza la suma de distancias al cuadrado dentro de los segmentos, W = Σₖ Σ ‖zᵢ − μₖ‖², donde zᵢ son las variables estandarizadas del encuestado i y μₖ el centro del segmento k. La estandarización (media 0, desviación típica 1) evita que una pregunta de 0 a 10 pese más que una de 1 a 5. Los centros iniciales se eligen con una regla fija, de modo que el mismo archivo, las mismas variables y la misma k dan siempre el mismo resultado; los segmentos se numeran de mayor a menor tamaño.
La silueta es s(i) = (b(i) − a(i)) ÷ máx(a(i), b(i)), donde a(i) es la distancia media del encuestado a los demás miembros de su segmento y b(i) la distancia media al segmento vecino más próximo. Va de −1 a 1: cuanto más cerca de 1, más clara es la pertenencia; cerca de 0, los segmentos se solapan mucho.
- Regla de recomendación: entre las soluciones cuyo segmento más pequeño es al menos el 5 % de la base, la de mayor silueta media; si todas tienen algún segmento demasiado pequeño, se recurre a la silueta más alta y se muestra un aviso.
- Índice = media del segmento ÷ media total × 100; ≥ 110 se marca como alto y ≤ 90 como bajo.
- Las filas a las que les falta alguna variable de conglomeración no se agrupan y su columna de segmento queda vacía al exportar.
Ejemplo práctico
En los datos sintéticos de ejemplo, 600 encuestados valoran de 1 a 5 ocho atributos de una marca (brand_grid_1 a brand_grid_8). Con esas 8 variables y k de 2 a 6, la silueta media es 0,273 con k = 2, 0,189 con k = 3, 0,172 con k = 4, 0,139 con k = 5 y 0,131 con k = 6.
La solución recomendada es k = 2, con segmentos de 308 personas (51,3 %) y 292 personas (48,7 %); con k = 3, la silueta baja a 0,189. El segmento 1 tiene índices de 77–81 en los 8 atributos y el segmento 2, de 120–125: es decir, dos grupos que se distinguen por puntuar alto o bajo en todo. Reflejan la simpatía general hacia la marca, no qué atributos valora cada grupo.
La lección sirve para proyectos reales: si todas las valoraciones dependen de una misma actitud general, k-medias solo separará a quienes les gusta la marca de quienes no. Para encontrar grupos con prioridades distintas, usa preguntas de necesidades o de compromiso entre opciones, o centra las valoraciones de cada encuestado en su propia media antes de agrupar.
Cuándo usarla y cuándo no
Para valorar una solución mira tres cosas a la vez: que la silueta media no esté cerca de cero, que no haya segmentos por debajo de un 5 % aproximado de la base y que los índices altos y bajos formen perfiles que tu equipo pueda describir y usar. Una segmentación resume patrones de respuesta; no demuestra que existan tipos naturales de personas.
- Segmentaciones basadas en actitudes o necesidades, cuando quieres una primera solución reproducible y llevar la columna de segmento a tus tablas cruzadas.
- Tienes varios cientos de encuestados completos y variables numéricas en escalas parecidas.
- Las variables de conglomeración son categorías nominales (región, marca usada): k-medias necesita distancias numéricas y estos datos encajan mejor con el análisis de clases latentes.
- Necesitas clasificar formalmente a nuevos encuestados (typing tool): los centros de segmento son un punto de partida, no un clasificador validado.
Cómo interpretar los resultados
Una silueta media superior a 0,5 suele indicar una estructura clara; entre 0,25 y 0,5, cierta estructura con segmentos que se solapan; por debajo de 0,25, puede que los datos no tengan agrupaciones naturales. En datos de encuesta la silueta suele ser modesta, así que importa más que los perfiles sean estables y útiles para el negocio.
Pon nombre a los segmentos a partir de las variables con índices claramente altos o bajos y comprueba con tablas cruzadas sus diferencias sociodemográficas y de comportamiento. Vuelve a ejecutar con otro conjunto de variables o con una k vecina: si los segmentos principales se mantienen más o menos, la solución es más fiable.