Trabajos de suficiencia profesional
URI permanente para esta comunidadhttps://hdl.handle.net/20.500.12640/3726
Examinar
2 resultados
Resultados de la búsqueda
Ítem Acceso Abierto La desprotección legal frente al uso de los servicios de aplicativos móviles de transporte(Universidad ESAN, 2024) Morales Zamora, Lucero Melania; Gutierrez Castillo, Alberto Rafael; Flores Castillo, Claudia Patricia; Pacheco Alban, Juan DiegoLas plataformas de dos lados, como Uber, Cabify e Indriver, son fundamentales en la economía digital actual, facilitando interacciones entre usuarios finales para beneficio mutuo y generando importantes implicaciones legales. Este estudio se propone investigar el funcionamiento de estas plataformas en la economía colaborativa y su impacto en la responsabilidad civil, con el fin de comprender mejor su modelo de negocio y sus implicaciones legales. Se analizaron detalladamente las operaciones de plataformas como Uber, Cabify e InDriver, así como sus términos y condiciones legales, para determinar su enfoque en la responsabilidad del servicio proporcionado por terceros conductores. Así mismo, se pretende descubrir si estas plataformas se deslindan de la responsabilidad directa sobre la calidad del servicio, basándose en términos y condiciones que protegen su posición como intermediarios tecnológicos. Además, se observó que los contratos por adhesión pueden ser considerados abusivos si explotan la posición de inferioridad del adherente. Las plataformas de dos lados juegan un papel crucial en la economía colaborativa, pero plantean desafíos legales en términos de responsabilidad y equidad contractual. Se necesita un mayor escrutinio legal para proteger los derechos de los consumidores y garantizar una competencia justa en este sector.Ítem Acceso Abierto 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(Universidad ESAN, 2022) Atencio Manyari, Stefany Anyela; De la Rosa Flores, Harold; Hilario Maravi, Sayuri; Navarro Huarcaya, Margareth; Rosas Vivanco, Dianaluz MilagrosActualmente, 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.
