Propuesta de segmentación de clientes aplicando técnicas de Machine Learning para mejorar la estrategia de ventas de productos de bebidas en el departamento de Ica

Alikhan Trujillo, Kledy Fiorella; Aspiazu Neyra, Luis Eduardo; Auccapiña Guillen, Juan Abner; Ayna Benegas, Irene; Cardenas Pijo, Melisa Consuelo

Propuesta de segmentación de clientes aplicando técnicas de Machine Learning para mejorar la estrategia de ventas de productos de bebidas en el departamento de Ica

dc.contributor.advisor	Calderón Niquín, Marks
dc.contributor.author	Alikhan Trujillo, Kledy Fiorella
dc.contributor.author	Aspiazu Neyra, Luis Eduardo
dc.contributor.author	Auccapiña Guillen, Juan Abner
dc.contributor.author	Ayna Benegas, Irene
dc.contributor.author	Cardenas Pijo, Melisa Consuelo
dc.coverage.spatial	Perú	es_ES
dc.date.accessioned	2024-04-11T00:22:28Z
dc.date.available	2024-04-11T00:22:28Z
dc.date.issued	2023
dc.description.abstract	La investigación se centra en el mercado de bebidas en el departamento de Ica, con el objetivo de automatizar la segmentación de clientes y, por consiguiente, mejorar las estrategias comerciales de ventas. Al implementar las fases de la metodología, las primeras etapas se dedicarán al procesamiento y tratamiento riguroso de los datos, preparando así el terreno para la construcción del modelo en la fase subsiguiente. Se emplearán técnicas de aprendizaje no supervisado de Machine Learning, como K-Means, K-Medoids, Agrupación Jerárquica, DBSCAN y HDBSCAN, con parámetros óptimos. En las últimas fases, se realizarán las agrupaciones de perfiles de tipo clúster basándose en un análisis detenido de la información recopilada y las variables pertinentes. El resultado será un reporte consolidado que proporcionará una visión detallada por cada perfil de cliente. Con esta información clave el gestor comercial de ventas podrá tomar decisiones comerciales estratégicas sobre ventas. De forma complementaria, se realizará una validación con un experto del rubro para verificar el tipo de clúster adecuado como candidato óptimo de la automatización de la segmentación de clientes.	es_ES
dc.format	application/pdf
dc.identifier.uri	https://hdl.handle.net/20.500.12640/3889
dc.language.iso	spa
dc.publisher	Universidad ESAN
dc.publisher.country	PE
dc.rights	info:eu-repo/semantics/openAccess	en
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/us/
dc.subject	Automatización	es_ES
dc.subject	Segmentación del mercado	es_ES
dc.subject	Machine learning	es_ES
dc.subject	Industria de elaboración de bebidas	es_ES
dc.subject.ocde	https://purl.org/pe-repo/ocde/ford#2.11.04
dc.subject.ocde	https://purl.org/pe-repo/ocde/ford#5.02.04
dc.title	Propuesta de segmentación de clientes aplicando técnicas de Machine Learning para mejorar la estrategia de ventas de productos de bebidas en el departamento de Ica
dc.type	info:eu-repo/semantics/bachelorThesis
dc.type.other	Trabajo de suficiencia profesional
renati.advisor.dni	70263095
renati.advisor.orcid	https://orcid.org/0000-0002-5440-3978
renati.author.dni	48349770
renati.author.dni	70330141
renati.author.dni	71537490
renati.author.dni	60064033
renati.author.dni	77658903
renati.discipline	613066
renati.discipline	722056
renati.discipline	521236
renati.juror	Castro Gamarra, Giannina Maria
renati.juror	Del Carpio Gallegos, Javier Fernando
renati.level	https://purl.org/pe-repo/renati/level#tituloProfesional
renati.type	https://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesional
thesis.degree.discipline	Ingeniería Industrial y Comercial
thesis.degree.discipline	Ingeniería de Tecnologías de Información y Sistemas
thesis.degree.discipline	Ingeniería en Gestión Ambiental
thesis.degree.grantor	Universidad ESAN. Facultad de Ingeniería
thesis.degree.name	Ingeniero Industrial y Comercial
thesis.degree.name	Ingeniero de Tecnologías de Información y Sistemas
thesis.degree.name	Ingeniero en Gestión Ambiental