Repository logo
 

Implementación de un modelo de clusterización para la segmentación de perfil de clientes para Corporación Multi Inversiones

Simple item page
dc.campusUNITEC TGUes_ES
dc.catalogadorDennis Calixes_ES
dc.collectionTesis de Postgradoes_ES
dc.contributor.advisorAlba Gabriela Garay Romeroes_ES
dc.contributor.advisorJulio Esteban Ramos Medinaes_ES
dc.contributor.authorAna Carolina Carrillo Garcíaes_ES
dc.contributor.authorEmili Giselle Flores Velásquezes_ES
dc.coverageTegucigalpa, Francisco Morazán, Hondurases_ES
dc.date.accessioned2024-03-16T16:49:37Z
dc.date.available2024-03-16T16:49:37Z
dc.date.issued2024-03-14
dc.date.terna2024-02-01
dc.ddc338.640 8 C317es_ES
dc.description.abstractEsta investigación presenta la implementación de un modelo de clusterización para Corporación Multi Inversiones, cuyo objetivo principal es identificar segmentos o clústeres de clientes con patrones de consumo y preferencias similares. Esto permitirá crear estrategias de marketing dirigidas hacia los diferentes tipos de clientes, focalizar eficientemente los recursos y en última instancia, contribuir a la mejora de la experiencia de compra logrando así la retención de estos. Con el aumento de los datos que generan las empresas hoy en día la aplicación y generación de modelos mediante algoritmos de aprendizaje automático son herramientas que se están volviendo cada día más útiles para las empresas en la actualidad ya que su implementación genera una ventaja competitiva. Para la clasificación de los clientes se utilizó la técnica RFM en función de las variables recencia, frecuencia y valor monetario. Posteriormente se aplicó el algoritmo de clusterización no supervisado K-Means mediante la herramienta Knime. Es importante que antes de someter a los datos a la aplicación de algoritmos de aprendizaje automático se realice un preprocesamiento exhaustivo de los datos tal como limpieza, transformación y modelado de los mismos.es_ES
dc.description.abstractenglishThis research presents the implementation of a clustering model for Corporation Multi Inversions, whose main objective is to identify segments or clusters of customers with similar consumption patterns and preferences. This will allow the creation of marketing strategies targeted at different types of customers, efficiently focus resources, and contribute to improving the shopping experience, thereby achieving customer retention. With the increase in data generated by companies today, the application and generation of models using machine learning algorithms are tools that are becoming increasingly useful for businesses, as their implementation generates a competitive advantage. The RFM technique was used for customer classification based on the variables of recency, frequency, and monetary value. Subsequently, the unsupervised clustering algorithm K-Means was applied using the Knime tool. It is important that before subjecting the data to the application of machine learning algorithms, an exhaustive preprocessing of the data is carried out, such as cleaning, transformation, and modeling.es_ES
dc.disciplineAdministración y Negocios / Business and Managementes_ES
dc.facultyFacultad de Postgradoes_ES
dc.formatPDFes_ES
dc.identifier.urihttps://repositorio.unitec.edu/xmlui/handle/123456789/13023
dc.languageEspañoles_ES
dc.publisherUniversidad Tecnológica Centroamericana UNITECes_ES
dc.sourceUniversidad Tecnológica Centroamericana UNITECes_ES
dc.subjectAprendizaje Automáticoes_ES
dc.subjectSegmentación de Clienteses_ES
dc.subjectPerfiles de Clienteses_ES
dc.thesis.degreelevelPostgradoes_ES
dc.thesis.degreenameMaestría en Analítica de Negocios / M-40es_ES
dc.titleImplementación de un modelo de clusterización para la segmentación de perfil de clientes para Corporación Multi Inversioneses_ES
dc.typeThesises_ES

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Implementación de un modelo de clusterización para la segmentación de perfil de clientes para Corporación Multi Inversiones.pdf
Size:
1.95 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Tesis de Postgrado