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

Simple item page
dc.contributor.advisorFabián Arteaga, Junior John
dc.contributor.authorAtencio Manyari, Stefany Anyela
dc.contributor.authorDe la Rosa Flores, Harold
dc.contributor.authorHilario Maravi, Sayuri
dc.contributor.authorNavarro Huarcaya, Margareth
dc.contributor.authorRosas Vivanco, Dianaluz Milagros
dc.coverage.spatialPerú
dc.date.accessioned2022-11-11T14:31:58Z
dc.date.available2022-11-11T14:31:58Z
dc.date.issued2022
dc.description.abstractActualmente, 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
dc.formatapplication/pdfes_ES
dc.identifier.urihttps://hdl.handle.net/20.500.12640/3235
dc.language.isospaes_ES
dc.publisherUniversidad ESANes_ES
dc.publisher.countryPEes_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rightsAtribución-NoComercial-SinDerivadas 2.5 Perú*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/pe/*
dc.subjectAprendizaje automáticoes_ES
dc.subjectPlataformas virtualeses_ES
dc.subjectTiendas al por menores_ES
dc.subjectSupermercadoses_ES
dc.subjectSegmentación del mercadoes_ES
dc.subjectClienteses_ES
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.07.00es_ES
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.11.04es_ES
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#5.02.04es_ES
dc.titlePropuesta de segmentación de clientes aplicando técnicas de Machine Learning para mejorar la experiencia de compra mediante un sistema de recomendación de productos de Tottuses_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
dc.type.otherTrabajo de suficiencia profesionales_ES
renati.advisor.dni44749148
renati.advisor.orcidhttps://orcid.org/0000-0001-9804-7795es_ES
renati.author.dni71229519
renati.author.dni70247905
renati.author.dni73498622
renati.author.dni70178300
renati.author.dni74605694
renati.discipline722056es_ES
renati.discipline521236es_ES
renati.jurorBallon Alvarez, Eber Joseph
renati.jurorCalderón Niquín, Marks Arturo
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesionales_ES
renati.typehttps://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesionales_ES
thesis.degree.disciplineIngeniería Industrial y Comerciales_ES
thesis.degree.disciplineIngeniería en Gestión Ambientales_ES
thesis.degree.grantorUniversidad ESAN. Facultad de Ingenieríaes_ES
thesis.degree.nameIngeniero Industrial y Comerciales_ES
thesis.degree.nameIngeniero en Gestión Ambientales_ES
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
2022_IIC_22-2_03_TC.pdf
Size:
3.39 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Ingeniería Industrial Comercial
Ingeniería en Gestión Ambiental