Análisis de clusterización basado en el algoritmo K- Means Neighbourhood para la clasificación de tipos de clientes web en una empresa de retail e-commerce.
En el mundo moderno y con la digitalización como pilar clave de nuestro día a día, saber e implementar las nuevas tecnologías que se desarrollan es de vital importancia pues son capaces de agilizar o mejorar los procesos que llevamos a cabo en nuestras actividades cotidianas. Sin lugar a duda el apo...
Збережено в:
| Автор: | |
|---|---|
| Інші автори: | |
| Формат: | bachelorThesis |
| Мова: | spa |
| Опубліковано: |
2023
|
| Предмети: | |
| Онлайн доступ: | http://repositorio.ucsg.edu.ec/handle/3317/21909 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
Додати тег | _version_ | 1859029309958651904 |
|---|---|
| author | Muñoz Franco, Milena Gardenia |
| author2 | Suárez Aragonés, Genaro José |
| author2_role | author |
| author_facet | Muñoz Franco, Milena Gardenia Suárez Aragonés, Genaro José |
| author_role | author |
| collection | Repositorio Universidad Católica de Santiago de Guayaquil |
| dc.contributor.none.fl_str_mv | Carrera Buri, Félix Miguel |
| dc.creator.none.fl_str_mv | Muñoz Franco, Milena Gardenia Suárez Aragonés, Genaro José |
| dc.date.none.fl_str_mv | 2023-10-16T19:12:37Z 2023-10-16T19:12:37Z 2023-09-04 |
| dc.format.none.fl_str_mv | application/pdf |
| dc.identifier.none.fl_str_mv | http://repositorio.ucsg.edu.ec/handle/3317/21909 |
| dc.language.none.fl_str_mv | spa |
| dc.publisher.none.fl_str_mv | Universidad Católica de Santiago de Guayaquil |
| dc.rights.none.fl_str_mv | info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ |
| dc.source.none.fl_str_mv | reponame:Repositorio Universidad Católica de Santiago de Guayaquil instname:Universidad Católica de Santiago de Guayaquil instacron:UCSG |
| dc.subject.none.fl_str_mv | INTELIGENCIA DE NEGOCIOS MACHINE LEARNING COMERCIO ELECTRÓNICO CLUSTERIZACIÓN DE DATOS CLASIFICACIÓN DE CLIENTES |
| dc.title.none.fl_str_mv | Análisis de clusterización basado en el algoritmo K- Means Neighbourhood para la clasificación de tipos de clientes web en una empresa de retail e-commerce. |
| dc.type.none.fl_str_mv | info:eu-repo/semantics/bachelorThesis info:eu-repo/semantics/publishedVersion |
| description | En el mundo moderno y con la digitalización como pilar clave de nuestro día a día, saber e implementar las nuevas tecnologías que se desarrollan es de vital importancia pues son capaces de agilizar o mejorar los procesos que llevamos a cabo en nuestras actividades cotidianas. Sin lugar a duda el apogeo de la inteligencia artificial y sus derivados es la tendencia que hoy en día se desarrolla, y en el campo empresarial no es la excepción siendo infinita sus aplicaciones. Conocer las preferencias de tus clientes sin necesidad de tenerlos presentes representa una gran ventaja competitiva con respecto a la competencia, años atrás esta tarea se vería como algo imposible mashoy en día con la implementación de nuevas tecnologías paso de ser un sueño a una realidad. En este trabajo se pretende demostrar como la implementación de un sistema de algoritmo de Machine Learning permitiría a las empresas Retail que están presentes en el Ecommerce facilitar su clasificación de sus clientes basándose en características similares, esto mediante el modelo de K-Means Neighbour y para su validación mediante el modelo de árbol de decisión, dando consigo así agrupaciones de clústeres similares basados en variables como seria el tipo de pago, el tipo de envió, su uso o no de cupones, el valor del envió y su número de transacciones y con ello poder posteriormente brindar descuentos, promociones o campañas dirigidas de mejor manera a los clientes que se les podría hacer más atractivo. |
| eu_rights_str_mv | openAccess |
| format | bachelorThesis |
| id | UCSG_e16155c3c757a2e1775ccdaeb6f6f194 |
| instacron_str | UCSG |
| institution | UCSG |
| instname_str | Universidad Católica de Santiago de Guayaquil |
| language | spa |
| network_acronym_str | UCSG |
| network_name_str | Repositorio Universidad Católica de Santiago de Guayaquil |
| oai_identifier_str | oai:repositorio.ucsg.edu.ec:3317/21909 |
| publishDate | 2023 |
| publisher.none.fl_str_mv | Universidad Católica de Santiago de Guayaquil |
| reponame_str | Repositorio Universidad Católica de Santiago de Guayaquil |
| repository.mail.fl_str_mv | . |
| repository.name.fl_str_mv | Repositorio Universidad Católica de Santiago de Guayaquil - Universidad Católica de Santiago de Guayaquil |
| repository_id_str | 2566 |
| rights_invalid_str_mv | http://creativecommons.org/licenses/by-nc-sa/4.0/ |
| spelling | Análisis de clusterización basado en el algoritmo K- Means Neighbourhood para la clasificación de tipos de clientes web en una empresa de retail e-commerce.Muñoz Franco, Milena GardeniaSuárez Aragonés, Genaro JoséINTELIGENCIA DE NEGOCIOSMACHINE LEARNINGCOMERCIO ELECTRÓNICOCLUSTERIZACIÓN DE DATOSCLASIFICACIÓN DE CLIENTESEn el mundo moderno y con la digitalización como pilar clave de nuestro día a día, saber e implementar las nuevas tecnologías que se desarrollan es de vital importancia pues son capaces de agilizar o mejorar los procesos que llevamos a cabo en nuestras actividades cotidianas. Sin lugar a duda el apogeo de la inteligencia artificial y sus derivados es la tendencia que hoy en día se desarrolla, y en el campo empresarial no es la excepción siendo infinita sus aplicaciones. Conocer las preferencias de tus clientes sin necesidad de tenerlos presentes representa una gran ventaja competitiva con respecto a la competencia, años atrás esta tarea se vería como algo imposible mashoy en día con la implementación de nuevas tecnologías paso de ser un sueño a una realidad. En este trabajo se pretende demostrar como la implementación de un sistema de algoritmo de Machine Learning permitiría a las empresas Retail que están presentes en el Ecommerce facilitar su clasificación de sus clientes basándose en características similares, esto mediante el modelo de K-Means Neighbour y para su validación mediante el modelo de árbol de decisión, dando consigo así agrupaciones de clústeres similares basados en variables como seria el tipo de pago, el tipo de envió, su uso o no de cupones, el valor del envió y su número de transacciones y con ello poder posteriormente brindar descuentos, promociones o campañas dirigidas de mejor manera a los clientes que se les podría hacer más atractivo.In the modern world and with digitalization as a key pillar of our daily lives, knowingand implementing the new technologies that are being developed is of vital importancebecause they are able to streamline or improve the processes we carry out in our dailyactivities. Undoubtedly the heyday of artificial intelligence and its derivatives is the trend that is developing today, and in the business, field is no exception being infiniteits applications. Knowing the preferences of your customers without having to have them present represents a great competitive advantage over the competition, years agothis task would be seen as something impossible, but today with the implementation of new technologies it has gone from being a dream to a reality. In this work we intendto demonstrate how the implementation of a Machine Learning algorithm system would allow Retail companies that are present in the E-commerce to facilitate the classification of their customers based on similar characteristics, this through the K- means Neighbor model and for validation through the decision tree model, This will result in groupings of similar clusters based on variables such as the type of payment,the type of shipment, the use or not of coupons, the value of the shipment and the number of transactions and thus be able to subsequently provide discounts, promotionsor campaigns targeted in a better way to customers that could be more attractive to them.Universidad Católica de Santiago de GuayaquilCarrera Buri, Félix Miguel2023-10-16T19:12:37Z2023-10-16T19:12:37Z2023-09-04info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionapplication/pdfhttp://repositorio.ucsg.edu.ec/handle/3317/21909spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/reponame:Repositorio Universidad Católica de Santiago de Guayaquilinstname:Universidad Católica de Santiago de Guayaquilinstacron:UCSG2023-11-13T01:18:37Zoai:repositorio.ucsg.edu.ec:3317/21909Institucionalhttp://repositorio.ucsg.edu.ec/Universidad privadahttps://www.ucsg.edu.ec/http://repositorio.ucsg.edu.ec/oai.Ecuador...opendoar:25662026-03-07T18:17:32.768231Repositorio Universidad Católica de Santiago de Guayaquil - Universidad Católica de Santiago de Guayaquiltrue |
| spellingShingle | Análisis de clusterización basado en el algoritmo K- Means Neighbourhood para la clasificación de tipos de clientes web en una empresa de retail e-commerce. Muñoz Franco, Milena Gardenia INTELIGENCIA DE NEGOCIOS MACHINE LEARNING COMERCIO ELECTRÓNICO CLUSTERIZACIÓN DE DATOS CLASIFICACIÓN DE CLIENTES |
| status_str | publishedVersion |
| title | Análisis de clusterización basado en el algoritmo K- Means Neighbourhood para la clasificación de tipos de clientes web en una empresa de retail e-commerce. |
| title_full | Análisis de clusterización basado en el algoritmo K- Means Neighbourhood para la clasificación de tipos de clientes web en una empresa de retail e-commerce. |
| title_fullStr | Análisis de clusterización basado en el algoritmo K- Means Neighbourhood para la clasificación de tipos de clientes web en una empresa de retail e-commerce. |
| title_full_unstemmed | Análisis de clusterización basado en el algoritmo K- Means Neighbourhood para la clasificación de tipos de clientes web en una empresa de retail e-commerce. |
| title_short | Análisis de clusterización basado en el algoritmo K- Means Neighbourhood para la clasificación de tipos de clientes web en una empresa de retail e-commerce. |
| title_sort | Análisis de clusterización basado en el algoritmo K- Means Neighbourhood para la clasificación de tipos de clientes web en una empresa de retail e-commerce. |
| topic | INTELIGENCIA DE NEGOCIOS MACHINE LEARNING COMERCIO ELECTRÓNICO CLUSTERIZACIÓN DE DATOS CLASIFICACIÓN DE CLIENTES |
| url | http://repositorio.ucsg.edu.ec/handle/3317/21909 |