Repository logo
 

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

Simple item page
dc.campusUnitec Tegucigalpa
dc.catalogadorDennis Calix
dc.collectionTesis de Postgrado
dc.contributor.advisorAlba Gabriela Garay Romero
dc.contributor.advisorJulio Esteban Ramos Medina
dc.contributor.authorAna Carolina Carrillo García
dc.contributor.authorEmili Giselle Flores Velásquez
dc.coverageTegucigalpa, Francisco Morazán, Honduras
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 investigaci�n presenta la implementaci�n de un modelo de clusterizaci�n para Corporaci�n Multi Inversiones, cuyo objetivo principal es identificar segmentos o cl�steres de clientes con patrones de consumo y preferencias similares. Esto permitir� crear estrategias de marketing dirigidas hacia los diferentes tipos de clientes, focalizar eficientemente los recursos y en �ltima instancia, contribuir a la mejora de la experiencia de compra logrando as� la retenci�n de estos. Con el aumento de los datos que generan las empresas hoy en d�a la aplicaci�n y generaci�n de modelos mediante algoritmos de aprendizaje autom�tico son herramientas que se est�n volviendo cada d�a m�s �tiles para las empresas en la actualidad ya que su implementaci�n genera una ventaja competitiva. Para la clasificaci�n de los clientes se utiliz� la t�cnica RFM en funci�n de las variables recencia, frecuencia y valor monetario. Posteriormente se aplic� el algoritmo de clusterizaci�n no supervisado K-Means mediante la herramienta Knime. Es importante que antes de someter a los datos a la aplicaci�n de algoritmos de aprendizaje autom�tico se realice un preprocesamiento exhaustivo de los datos tal como limpieza, transformaci�n y modelado de los mismos.
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 Management
dc.facultyFacultad de Postgrado
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.degreelevelPostgrado
dc.thesis.degreenameMaestría en Analítica de Negocios / M-40
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