Clusterização de Clientes Johnson utilizando Algoritmos Genéticos

Transcrição

1 Technical Notes in Computational Intelligence, ICA, PUC-Rio 1 Clusterização de Clientes Johnson utilizando Algoritmos Genéticos Marco Aurélio C. Pacheco 1, André Capella 1,2, Ronaldo R. Goldschmidt 1,3 1 ICA: Computational Intelligence Laboratory, Department of Electrical Engineering, PUC-Rio R. Marques de S. Vicente 225, Gávea, Rio de Janeiro, CEP , RJ, Brazil marco@ele.puc-rio.br 2 Departamento de Supply Chain Johnson Wax Professional Avenida Comandante Guaranis, 599, Jacarepaguá, RJ, Brazil alcapell@scj.com 3 Departamento de Informática Faculdades Integradas de Jacarepaguá Ladeira da Freguesia 196, Jacarepaguá, Rio de Janeiro, CEP , RJ, Brazil ronaldo@intermega.com.br Resumo. O intenso crescimento do volume de informações nas bases de dados corporativas e o alto nível de competitividade entre empresas no mercado contemporâneo têm estimulado o estudo e a aplicação de técnicas de mineração destes dados na busca de conhecimentos que possam ser traduzidos em diferenciais mercadológicos. O presente trabalho tem por objetivo relatar a experiência de clusterização de clientes da empresa Johnson, especializada no fornecimento de materiais de limpeza, utilizando a tecnologia de Algoritmos Genéticos. O modelo utilizado e os experimentos realizados são analisados e descritos em detalhe. Conclusões e sugestões para trabalhos futuros encontram-se formuladas. 1 Introdução O intenso crescimento do volume de informações nas bases de dados corporativas e o alto nível de competitividade entre empresas no mercado contemporâneo têm estimulado o estudo e a aplicação de técnicas de mineração destes dados na busca de conhecimentos que possam ser traduzidos em diferenciais mercadológicos. Uma tarefa usual em mineração de dados [6] é a busca pela caracterização do perfil de clientes de uma determinada empresa a partir de bases de dados operacionais contendo informações cadastrais sobre cada cliente e sobre cada transação de compra por ele realizada ao longo de um determinado período. O método de clusterização [1,2], muito utilizado neste tipo de tarefa, consiste em separar os clientes em grupos, denominados clusters, de tal forma que em cada cluster sejam enquadrados clientes que possuam características cadastrais e de consumo similares.

2 Technical Notes in Computational Intelligence, ICA, PUC-Rio 2 Um dos principais fatores de motivação para a clusterização de clientes em uma empresa refere-se à possibilidade de adoção de políticas de vendas que seja direcionadas segundo cada grupo de clientes. Tal estratégia visa melhorar a qualidade de atendimento aos clientes, aumentando sua satisfação e, conseqüentemente, o volume das vendas junto a estes clientes. Entre algumas abordagens de venda passíveis de adoção a partir da definição de grupos que caracterizem o perfil dos clientes nele classificados podem ser citadas: a) Oferta de produtos sob medida segundo o porte e a natureza do negócio do cliente b) Realização de promoções que estimulem a compra de produtos específicos por determinados grupos de clientes c) Reavaliação do rol de produtos oferecidos a cada grupo de clientes Diversos trabalhos, de natureza acadêmica e também comercial, têm sido desenvolvidos no sentido de disponibilizar ferramentas que permitam a realização de tarefas de clusterização em bases de dados [1,6,8]. Assim sendo, o presente trabalho tem por objetivo relatar experimentos e resultados obtidos da utilização de Algoritmos Genéticos na tarefa de clusterização de um conjunto de clientes da Johnson, empresa tradicional no mercado de fornecimento de materiais de limpeza. Na seção 2 são fornecidos detalhes sobre o contexto de aplicação dos experimentos. A seção 3 contém uma descrição da modelagem de Algoritmo Genético utilizada no problema em questão. Os experimentos realizados, assim como os resultados obtidos, encontram-se resumidos na seção 4. Na seção 5 são formuladas algumas conclusões e propostas algumas alternativas de trabalhos futuros. 2 Descrição do Problema A Johnson oferece atualmente 150 produtos de limpeza a cerca de Clientes de diversos segmentos tais como: hospitais, empresas limpadoras, farmácias, hotéis, restaurantes, dentre outros. A Empresa dispõe de um banco de dados com o histórico de todas as vendas realizadas a cada Cliente no ano fiscal vigente (últimos 11 meses). Com a finalidade de explorar melhor a potencialidade de compra de seus Clientes atuais, a Johnson deseja criar um conceito de Perfil de Cliente que possa ser utilizado em futuros trabalhos de marketing planejados pela Empresa. Para tanto, deverá ser realizada uma análise do banco de dados, de forma a separar Clientes que apresentem características cadastrais similares e que tenham um mesmo comportamento de consumo. O trabalho ora descrito representa a primeira etapa de um projeto piloto corporativo em desenvolvimento pela Johnson a fim de melhorar seus serviços e alavancar suas vendas. Esta etapa consistiu em utilizar Algoritmos Genéticos na tarefa de clusterização dos Clientes da Johnson do segmento Floor Care (Tratamento de Piso) em 4 grupos, caracterizando o perfil de cada Cliente deste segmento. A escolha deste segmento baseou-se em orientações estratégicas definidas pela Direção do Grupo no Brasil no sentido de consolidar o papel da empresa, como fornecedora de

3 Technical Notes in Computational Intelligence, ICA, PUC-Rio 3 materiais de limpeza, no referido segmento. Atualmente o segmento de Floor Care dispõe de 119 clientes ativos, ou seja, que têm operado efetivamente junto à Johnson ao longo do ano fiscal corrente. Os dados, extraídos da base de dados operacional da Johnson, foram convertidos para uma estrutura de dados que consolida as informações de cada cliente em uma única linha (registro). Tal estrutura, assim como as informações consolidadas, encontram-se resumidas a seguir: a) Cliente: Identifica o cliente ao qual as informações subseqüentes se referem; b) Faturamento: Fornece uma estimativa do faturamento do cliente. Esta informação encontra-se expressa de forma a representar, em termos percentuais, a proporção do faturamento do cliente em relação ao maior faturamento detectado no rol de clientes analisados; c) Tempo de Operação: indica o tempo durante o qual o cliente tem negociado junto à Johnson. De forma similar ao faturamento, esta informação encontra-se expressa de forma a representar, em termos percentuais, a proporção do tempo, em meses, com que o cliente vem negociando junto à Johnson, em relação ao tempo do cliente mais antigo detectado no rol de clientes analisados; d) Metragem: Fornece uma estimativa da área, denominada Área de Exposição dos produtos, onde o cliente utiliza os produtos da Johnson. Também de forma similar ao faturamento, esta informação encontra-se expressa de forma a representar, em termos percentuais, a proporção da área de utilização dos produtos da Johnson em relação à maior área detectada no conjunto de clientes analisados; e) Quantidade de Produtos Comprados por Sistema de Limpeza: Resume o total de produtos de cada Sistema de Limpeza comprados pelo cliente ao longo do último ano fiscal. Esta informação encontra-se expressa de forma a representar, em termos percentuais, a proporção da quantidade de produtos da Johnson utilizada pelo cliente em relação ao máximo de produtos identificado no conjunto de clientes considerado na primeira etapa; f) Freqüência de Compra por Sistema de Limpeza: Resume a freqüência com que o cliente tem comprado produtos de cada Sistema de Limpeza ao longo do último ano fiscal. Tal informação foi expressa em termos percentuais com relação ao número de meses máximo, fixado em 11, devido à restrição imposta pelo ano fiscal; As informações (e) e (f) foram disponibilizadas de forma separada para cada sistema em um total de 5 Sistemas de Limpeza. Cada Sistema de Limpeza agrupa produtos com aplicações complementares (base seladora e acabamento) que possuem preços e qualidade compatíveis. Convém ainda destacar que os sistemas foram concebidos de forma a agrupar produtos em ordem decrescente de qualidade e de preço dos produtos. Assim, o Sistema 1 foi composto por produtos de melhor qualidade e, conseqüentemente, de maior preço, enquanto o Sistema 5 englobou produtos de qualidade e preços inferiores.

4 Technical Notes in Computational Intelligence, ICA, PUC-Rio 4 Assim, para cada cliente a ser analisado, foi produzido um conjunto com 13 informações voltadas à caracterização deste cliente: Faturamento, Tempo de Operação, Área de Exposição, Quantidade de Produtos Comprados do Sistema de Limpeza e Freqüência de Compra do Sistema de Limpeza. Convém enfatizar que as duas últimas informações são consideradas para cada um dos 5 Sistemas de Limpeza. O objetivo da Johnson foi realizar, com base nas informações discriminadas anteriormente, ações de marketing direcionadas conforme o grupo ao qual cada cliente pertencesse. A próxima seção descreve a técnica utilizada no âmbito deste trabalho de forma a obter a separação dos referidos clientes nos 4 grupos definidos pela Área de Marketing da Empresa. 3 Solução por Algoritmo Genético Modelo Proposto A utilização de qualquer técnica na solução de um problema é sempre precedida pelo questionamento quanto à aderência desta técnica à natureza do problema em questão. Algoritmos Genéticos são sistemas computacionais inspirados na teoria da evolução natural e da reprodução genética voltados à aplicação em problemas complexos envolvendo quantidades de soluções inviáveis de serem avaliadas por algoritmos tradicionais [3,4,7]. Como o número de possibilidades com que n objetos podem ser agrupados em k grupos pode ser obtido pela expressão (1) [1], o problema de clusterização dos 119 clientes Johnson em 4 grupos envolve e+070 combinações possíveis, estimulando a experimentação de Algoritmos Genéticos em sua solução. N k 1 k n,. (1) k! i= 0 i i ( n k) = ( 1) ( k i) A representação utilizada, denominada grupamento de número [1], englobou uma estrutura de cromossoma onde o locus de cada gene referiu-se a um cliente específico e o alelo indicou o grupo ao qual o cliente deveria pertencer. Como o problema dispunha de 119 clientes, cada cromossoma foi composto por 119 genes. A tabela 1 exemplifica um cromossoma conforme a estrutura descrita onde cada gene corresponde a um cliente com suas respectivas 13 características. Com a utilização desta representação, o modelo dispensou o processo de decodificação do cromossoma, uma vez que o valor indicado em cada gene denotava diretamente o próprio cluster onde o cliente deveria ser enquadrado. Tabela 1. Exemplo com a representação utilizada Id Cliente C1... C13 Cromossoma Cliente Cliente

5 Technical Notes in Computational Intelligence, ICA, PUC-Rio 5 Cliente As 13 informações utilizadas para caracterizar cada cliente, descritas na seção anterior, foram consideradas pela função de avaliação do modelo proposto. A função de avaliação empregada foi a soma do quadrado da distância euclideana entre cada cliente e o centróide do cluster ao qual o cliente fosse enquadrado. O objetivo do modelo proposto consistiu, portanto, em procurar minimizar esta função de avaliação de forma a buscar identificar o cromossoma que representasse uma distribuição de clientes em clusters onde a similaridade de cada cliente em relação ao centróide de seu cluster fosse a maior encontrada. O processo de seleção utilizado foi o da roleta, onde cada cromossoma tem uma probabilidade de ser escolhido proporcional à sua aptidão relativa às aptidões dos demais cromossomas [3,7]. O cruzamento genético entre os cromossomas foi implementado pelo crossover de um ponto com uma taxa de 65%. O operador exploratório de mutação foi utilizado a uma taxa de 8% a fim de introduzir diversidade genética aos indivíduos processados. As técnicas e os parâmetros adotados nos experimentos encontram-se descritos na próxima seção. 4 Experimentos Realizados e Resultados Obtidos O ambiente de implementação utilizado foi o Evolver 4.0 [4], disponível nas instalações do Laboratório de Inteligência Computacional Aplicada da PUC-Rio. O método de solução disponibilizado pelo Evolver e utilizado na implementação foi o método de Grupamento [4]. A inicialização da população foi realizada de forma aleatória e a técnica de reprodução utilizada foi a de troca de toda a população a cada geração. Não foram utilizadas restrições quanto à classificação de clientes nos 4 grupos considerados e nem quanto à quantidade mínima de elementos por grupo. Os experimentos foram realizados com tamanho de população de 200 indivíduos, tendo sido adotado como critério de parada o total de indivíduos processados. A tabela 2 apresenta o resumo da distribuição dos clientes nos 4 clusters no experimento em que ocorreu o melhor indivíduo. Tabela 2. Resumo da Distribuição dos Clientes no Melhor Cromossoma Cluster Total de Clientes Grupo 1 28 Grupo 2 28 Grupo 3 58 Grupo 4 5

6 Technical Notes in Computational Intelligence, ICA, PUC-Rio 6 A soma do quadrado da distância entre cada cliente e o centróide do cluster onde o cliente tenha sido enquadrado foi de 1.67 no melhor indivíduo encontrado. Convém destacar que o melhor indivíduo somente foi gerado após outros indivíduos. As tabelas 3, 4, 5 e 6 detalham a distribuição dos clientes nos 4 grupos segundo faixas de Faturamento, Área de Exposição, Tempo de Operação e Sistema de Limpeza. Tabela 3. Distribuição dos Clientes por Faturamento Faixa Fat. Cluster 1 Cluster 2 Cluster 3 Cluster 4 70% a 100% 0,00% 53,57% 1,72% 0,00% 30% a 69% 14,29% 35,71% 29,31% 40,00% 10% a 29% 17,86% 3,57% 18,97% 20,00% 0% a 9% 67,86% 7,14% 50,00% 40,00% Tabela 4. Distribuição dos Clientes por Área de Exposição Faixa Área Cluster 1 Cluster 2 Cluster 3 Cluster 4 90% a 100% 10,71% 71,43% 5,17% 0,00% 60% a 89% 7,14% 25,00% 1,72% 0,00% 20% a 59% 60,71% 0,00% 53,45% 20,00% 0% a 19% 21,43% 3,57% 39,66% 80,00% Tabela 5. Distribuição dos Clientes por Tempo de Operação com a Johnson Faixa Tmp. Op. Cluster 1 Cluster 2 Cluster 3 Cluster 4 61% a 100% 28,57% 57,14% 46,55% 80,00% 21% a 60% 46,43% 28,57% 39,66% 0,00% 0% a 20% 25,00% 14,29% 13,79% 20,00% Tabela 6. Distribuição dos Clientes por Sistema de Limpeza Sistema Cluster 1 Cluster 2 Cluster 3 Cluster ,3% 21,4% 3,4% 0,0% 2 21,4% 7,1% 6,9% 20,0% 3 3,6% 7,1% 8,6% 0,0% 4 28,6% 53,6% 36,2% 20,0% 5 32,1% 10,7% 44,8% 60,0% Quanto às combinações das características dos clientes em cada grupo, podem ser destacadas algumas constatações cujo resumo encontra-se na tabela 7. Tabela 7. Resumo das Características dos Clientes por Grupo Grupo Faturamento Tempo de Área de Sist. Mais Operação Exposição Comprado 1 Até 30 % De 20 a 60 % De 20 a 60 % 5

7 Technical Notes in Computational Intelligence, ICA, PUC-Rio 7 2 De 30 a 100 % De 60 a 100% De 60 a 100 % 4 3 Até 70 % De 20 a 100 % Até 60 % 5 4 Até 30 % De 60 a 100 % Até 20 % 5 A tabela 7 espelha a concentração das características dos clientes de cada grupo. No entanto, 18 casos espúrios foram detectados. Os 18 clientes cujas características não se enquadraram no perfil da maioria dos componentes do respectivo grupo foram submetidos à Área de Marketing para análises específicas e eventuais reenquadramentos. Considerando o perfil geral dos clientes enquadrados no Grupo 2, que compreende alto faturamento, alto tempo de operação junto à empresa e uma grande área de exposição, pode-se perceber um potencial natural destes clientes para a compra de produtos de melhor qualidade. Nenhum dos grupos produzidos concentrou clientes que comprassem apenas os sistemas de limpeza 1 ou 2. Tal fato desperta para a necessidade de um maior esforço por parte da equipe de vendas na divulgação e incentivo junto aos clientes para a compra dos produtos correspondentes. O perfil geral dos clientes enquadrados no Grupo 3 levou a uma política de vendas cuja principal argumentação se baseia no alto tempo de negociação da Johnson junto aos referidos clientes e na confiabilidade dos serviços e produtos oferecidos ao longo do tempo. Tal histórico deverá ser utilizado como uma forma de incentivar os clientes na experimentação de Sistemas de Limpeza de qualidade 1 ou 2. Os clientes que já utilizam tais Sistemas deverão ser trabalhados no sentido de preservar seu interesse pelos produtos oferecidos. 5 Conclusões O presente trabalho teve como objetivo relatar a experiência realizada na empresa Johnson no sentido de buscar a clusterização da carteira de clientes do segmento Floor Care (Tratamento de Piso). Algoritmos Genéticos foram utilizados como técnica de clusterização. O modelo utilizado e os experimentos realizados foram descritos em detalhe. Como em todo processo de mineração de dados, iterativo e interativo em essência, os resultados produzidos serviram de base para o início de um estudo pela Área de Marketing da empresa no sentido de refinar a classificação obtida e de se definir políticas de venda específicas para cada grupo de clientes. Um grupo com forte potencial de venda foi identificado pelo Algoritmo Genético utilizado. O trabalho ora realizado teve como um sub-produto importante a conscientização da Área de Marketing para a necessidade de uma profunda reavaliação do cadastro de clientes de forma a ampliá-lo com informações complementares sobre cada cliente que possam ser utilizadas em trabalhos futuros desta natureza. Como próxima etapa, as Áreas de Marketing e o Departamento de Cadeia de Fornecimento deverão realizar um trabalho conjunto similar visando a clusterização de clientes do segmento BSCS, composto por empresas que prestam serviços de

8 Technical Notes in Computational Intelligence, ICA, PUC-Rio 8 limpeza para outras empresas e que têm grande potencial para a utilização dos produtos Johnson. 6 Referências Bibliográficas [1] PACHECO, M. A. & GONÇALVES, L. B., Clusterização de Bancos de Dados Benchmark Utilizando Algoritmos Genéticos, Núcleo de Inteligência Computacional Aplicada, Pontifícia Universidade Católica do Rio de Janeiro. [2] LOPES, C. H. P., Classificação de Registros em Banco de Dados por Evolução de Regras de Associação Utilizando Algoritmos Genéticos. Tese de Mestrado, Departamento de Engenharia Elétrica, Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, Abril de [3] DAVIS, L., Handbook of Genetic Algorithms, VNR Comp. Library, [4] Evolver Tutorial, ( [5] MICHALEWICZ, Z., Genetic Algorithms + Data Structures = Evolution Programs, Springer-Verlag, [6] HAN, J., Data Mining: Concepts and Techniques, Simon Fraser University, [7] GOLDBERG, D., Genetic Algorithms in Search, Optimization and Machine Learning, Addison-Wesley, [8] Proceedings from The Fourth International Conference on Knowledge Discovery & Data Mining, New York, 1998.