Desarrollo de un sistema de recomendación de compra utilizando algoritmos de aprendizaje automático de sugerencia para la promoción efectiva de combos y ofertas

CONDICIONAMIENTO DE PUBLICACION DE PROYECTO. En el sector retail, mejorar la oferta de productos es fundamental para aumentar las ventas y mejorar la experiencia del cliente. Este estudio desarrolla un sistema de recomendación de productos para equipos comerciales y de ventas, con el objetivo de sugerir combinaciones de productos que mejoren la rentabilidad. Se implementaron tres algoritmos de aprendizaje automático: K-Nearest Neighbors (KNN), Alternating Least Squares (ALS) y Neural Collaborative Filtering (NCF), evaluando su desempeño con Precisión, Recall y F1-Score. Se analizaron datos históricos de compras para identificar patrones de consumo y segmentar productos. Luego, los modelos fueron entrenados y evaluados para determinar el de mejor desempeño en la generación de recomendaciones. Los resultados indicaron que el modelo NCF obtuvo la mejor precisión, proporcionando sugerencias más acertadas. Además, se diseñó un prototipo de aplicación interactiva que permite a los equipos comerciales seleccionar productos y recibir recomendaciones en tiempo real. Este enfoque facilita la planificación de promociones y mejora la toma de decisiones basada en datos. Se concluye que el sistema desarrollado representa una herramienta útil para la gestión de productos en retail, mejorando la experiencia del cliente y la eficiencia de las estrategias comerciales.

• Autor principal: Bravo Muentes, Kevin Hernán (author)
• Altres autors: Viñan Camacho, Ana Belén (author), Bauz Olvera, Sergio Alex, Director (author)
• Format: bachelorThesis
• Publicat: 2024
• Matèries: Sistemas de recomendación; Retail; Aprendizaje automático; Ciencia de datos
• Accés en línia: http://www.dspace.espol.edu.ec/handle/123456789/67380