Buscar en Google Scholar
Registro completo de metadatos
Solis Valle, Eduardo Alberto
Masson Huamaní, Aldo Yair
Cahuana Macedo, Carlos Roberto
Milián Gutiérrez, Demis Ricardo Daniel
2019-10-09T22:08:01Z
2019-10-09T22:08:01Z
2019
https://hdl.handle.net/20.500.12867/2251
Para el 65% de los encuestados en Lima, la correcta elección de piqueos y bebidas es lo más influyente para tener éxito en las reuniones que organizan en casa. Además, el 51% de ellos, tienen entre moderada y alta dificultad para conseguirlos cuando organizan sus reuniones. Por esta razón, GoodMeal propone desarrollar una aplicación híbrida, para utilizar en celular y web, y el usuario pueda crear su perfil personal de preferencias en combinación de sabores, elegir el tipo de reunión que desea organizar en casa (cena, parrilla, etc.) y recibir de manera automática 3 recomendaciones personalizadas de combinaciones de piqueos y bebidas del asistente virtual de la plataforma que podría comprar para lucirse con sus invitados, pudiendo además, realizar la compra online y programar su delivery a casa. La aplicación también permite realizar el feedback de los productos comprados, logrando que GoodMeal aprenda de los gustos del usuario, aumentando el nivel de certeza en las siguientes recomendaciones. Para lograrlo, GoodMeal utiliza tecnologías de análisis de datos, como el árbol de toma de decisión y reglas de asociación para brindar sugerencias personalizadas y machine learning para ir aprendiendo de los gustos del usuario. GoodMeal generará dinero mediante 3 formas. En la etapa inicial se cobrará una comisión del 15% a los proveedores de cada producto vendido y se buscará tener el 3% de participación del mercado online de piqueos y bebidas teniendo en consideración que el 57% de nuestros encuestados gastan más de S/ 100 en cada reunión y realizan 1 o 2 reuniones al mes lo que supone una cifra de S/ 105,794 mensuales. En la segunda etapa, donde se proyecta tener 140 mil usuarios activos (Realizan consultas y brindan feedback al menos 1 vez al mes) se venderá a nuestros proveedores espacios preferenciales en la fila de productos adicionales sugeridos a los usuarios y se venderá data para la aplicación de Market Basket Analysis, Lead Scoring o mejora de promociones a nuestros clientes. Para la elaboración de esta tesis, se ha utilizado las metodologías de Design Thinking y Customer Centricity para generar la propuesta de valor, Business Model Canvas para desarrollar el modelo de negocio, Customer Experience en sus puntos de contacto y metodología IDIP para crear estrategias de relacionamiento con el cliente y generar la base datos necesaria para aplicar marketing 1to1 a nuestros clientes. Podemos concluir que GoodMeal es una alternativa viable para ayudar a sus usuarios a lucirse en sus reuniones y ser pionera en el mercado peruano en utilizar estrategias de marketing 1to1 basada en el análisis de la información y CRM para lograr un alto nivel de entendimiento y fidelización con sus clientes. (es_PE)
Trabajo de investigación (es_PE)
application/pdf (es_PE)
spa (es_PE)
Universidad Tecnológica del Perú (es_PE)
info:eu-repo/semantics/openAccess (es_PE)
https://creativecommons.org/licenses/by-nc-nd/4.0/ (es_PE)
Universidad Tecnológica del Perú (es_PE)
Repositorio Institucional - UTP (es_PE)
Servicios de alimentación (es_PE)
Alimentos y bebidas (es_PE)
Plataforma de recomendaciones de guarniciones y bebidas para reuniones sociales (es_PE)
info:eu-repo/semantics/masterThesis (es_PE)
Universidad Tecnológica del Perú. Escuela de Postgrado (es_PE)
Maestría en Customer Intelligence (es_PE)
Maestro (es_PE)
Maestro en Customer Intelligence (es_PE)
PE (es_PE)
https://purl.org/pe-repo/ocde/ford#2.02.03 (es_PE)
https://purl.org/pe-repo/ocde/ford#5.02.04 (es_PE)
http://purl.org/pe-repo/renati/level#maestro (es_PE)
42655029
44624257
43274312
414127 (es_PE)
http://purl.org/pe-repo/renati/type#trabajoDeInvestigacion (es_PE)
Privada societaria
info:eu-repo/semantics/publishedVersion (es_PE)



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