Buscar en Google Scholar
Registro completo de metadatos
Fabián Arteaga, Junior John
Atencio Manyari, Stefany Anyela
De la Rosa Flores, Harold
Hilario Maravi, Sayuri
Navarro Huarcaya, Margareth
Rosas Vivanco, Dianaluz Milagros
Perú
2022-11-11T14:31:58Z
2022-11-11T14:31:58Z
2022
https://hdl.handle.net/20.500.12640/3235
Actualmente, el constante cambio en los factores externos como la tecnología, el mercado, y ahora la pandemia global están obligando a las empresas del sector retail a buscar diferentes estrategias de venta para mejorar la experiencia de compra de sus clientes y así obtener mejores beneficios. Por ello, este trabajo busca segmentar a los clientes a través de la aplicación de técnicas de Machine Learning para crear un sistema de recomendación de productos personalizados de acuerdo con las características a la cual pertenece cada cliente y así mejorar la experiencia de compra agilizando y facilitando el proceso desde el aplicativo móvil de la empresa. La propuesta de segmentación se realizó aplicando para el preprocesamiento de los datos el método estadístico de PCA y se modeló mediante tres técnicas de aprendizaje no supervisado: K-means, K-medoids y Clustering Jerárquico. Estas técnicas se evaluaron de forma teórica considerando el método del codo y el dendograma los cuales resultaron en K grupos óptimos. Finalmente, para validarlo de forma práctica, se solicitó la evaluación de un experto de la empresa quien mediante una entrevista comparó los resultados de las técnicas y escogió a K-medoids como la segmentación más adecuada para el negocio. (es_ES)
application/pdf (es_ES)
spa (es_ES)
Universidad ESAN (es_ES)
info:eu-repo/semantics/openAccess (es_ES)
http://creativecommons.org/licenses/by-nc-nd/2.5/pe/ (*)
Aprendizaje automático (es_ES)
Plataformas virtuales (es_ES)
Tiendas al por menor (es_ES)
Supermercados (es_ES)
Segmentación del mercado (es_ES)
Clientes (es_ES)
Propuesta de segmentación de clientes aplicando técnicas de Machine Learning para mejorar la experiencia de compra mediante un sistema de recomendación de productos de Tottus (es_ES)
info:eu-repo/semantics/bachelorThesis (es_ES)
Universidad ESAN. Facultad de Ingeniería (es_ES)
Ingeniería Industrial y Comercial (es_ES)
Ingeniería en Gestión Ambiental (es_ES)
Ingeniero Industrial y Comercial (es_ES)
Ingeniero en Gestión Ambiental (es_ES)
PE (es_ES)
https://purl.org/pe-repo/ocde/ford#2.07.00 (es_ES)
https://purl.org/pe-repo/ocde/ford#2.11.04 (es_ES)
https://purl.org/pe-repo/ocde/ford#5.02.04 (es_ES)
https://purl.org/pe-repo/renati/level#tituloProfesional (es_ES)
44749148
https://orcid.org/0000-0001-9804-7795 (es_ES)
71229519
70247905
73498622
70178300
74605694
722056 (es_ES)
521236 (es_ES)
Ballon Alvarez, Eber Joseph
Calderón Niquín, Marks Arturo
https://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesional (es_ES)
Privada asociativa



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons