Look-up in Google Scholar
Title: Modelo de Machine Learning para la segmentación automática de clientes según su perfil de compra del canal de venta interna en Molitalia
Advisor(s): Fabian Arteaga, Junior John
OCDE field: https://purl.org/pe-repo/ocde/ford#2.11.04; https://purl.org/pe-repo/ocde/ford#5.02.04; https://purl.org/pe-repo/ocde/ford#2.02.04
Issue Date: 2021
Institution: Universidad ESAN
Abstract: Debido al COVID-19, la empresa Molitalia redujo sus ventas en los canales internos y externos, esto se debe a que los consumidores han reducido su poder de compra en las categorías de alimentos; por lo cual, Molitalia se ve obligada a mapear soluciones y estrategias que se adapten al nuevo entorno. Siendo uno de los hallazgos la poca capacidad de respuesta a las exigencias y preferencias de los clientes internos. Por ello, este proyecto se centró en el desarrollo de un modelo de segmentación automática de perfiles de compra de los clientes internos, con ello se podrá implementar estrategias que se adapten a las necesidades de los clientes, responder rápidamente a los cambios en la demanda, contar con información a tiempo real del perfil de compra del cliente, agilizar y fortalecer los procesos de venta para beneficio de la organización.Para ello, se desarrollaron diez modelos de Machine Learning usando la técnica de aprendizaje no supervisado “K-Means”. Además, se analizaron y evaluaron los modelos mediante dos validaciones: teórica, mediante el indicador “inercia”; y práctica, por medio del experto de estrategia comercial. Concluyendo que el mejor modelo es el K=4, logrando descubrir cuatro perfiles de clientes internos: Beginners, Middle, Expert, Senior.
Discipline: Ingeniería Industrial y Comercial; Ingeniería de Tecnologías de Información y Sistemas
Grade or title grantor: Universidad ESAN. Facultad de Ingeniería
Grade or title: Ingeniero Industrial y Comercial; Ingeniero de Tecnologías de Información y Sistemas
Juror: Ballón Álvarez, Eber Joseph; Gonzales López, Rolando Alberto
Register date: 17-Feb-2022



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.