Look-up in Google Scholar
Title: 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
Advisor(s): Fabián Arteaga, Junior John
OCDE field: https://purl.org/pe-repo/ocde/ford#5.02.04; https://purl.org/pe-repo/ocde/ford#2.11.04; https://purl.org/pe-repo/ocde/ford#2.07.00
Issue Date: 2022
Institution: Universidad ESAN
Abstract: 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.
Discipline: Ingeniería en Gestión Ambiental; Ingeniería Industrial y Comercial
Grade or title grantor: Universidad ESAN. Facultad de Ingeniería
Grade or title: Ingeniero Industrial y Comercial; Ingeniero en Gestión Ambiental
Juror: Ballon Alvarez, Eber Joseph; Calderón Niquín, Marks Arturo
Register date: 11-Nov-2022; 11-Nov-2022



This item is licensed under a Creative Commons License Creative Commons