Segmentación de clientes mediante análisis de patrones de compra para la optimización de estrategias comerciales

RESUMEN : Este trabajo aborda la necesidad de una empresa comercializadora de optimizar el tiempo empleado por su equipo de ventas en la creación de estrategias basadas en información. El objetivo principal es desarrollar un algoritmo que identifique patrones de compra en su base de clientes y los agrupe en segmentos específicos. Para lograrlo, se aplicó Kernel PCA (Análisis de Componentes Principales) para reducir la dimensionalidad de los datos y K-Means para la formación de clústeres. El mejor modelo obtenido fue el K-Means con kernel RBF, alcanzando un índice de silueta de 0.63, lo que permitió capturar múltiples grupos de clientes de manera efectiva. Los resultados clasificaron a los clientes en tres segmentos principales, proporcionando un recurso valioso para el diseño de iniciativas comerciales personalizadas según las características de cada grupo. Este estudio destaca la relevancia de la ciencia de datos en pequeñas y medianas empresas, promoviendo el uso de tecnologías avanzadas en el desarrollo de estrategias que incrementen su competitividad en el mercado.

• Autores: Olea Gomez, Orlando José; Berrio Lasprilla, Jose Antonio
• Tipo de recurso: Article of investigation
• Fecha de publicación: 2024
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/44575
• Acceso en línea: https://hdl.handle.net/10495/44575
• Palabra clave: Análisis de datos; Data analysis; Segmentación del mercado; Market segmentation; Algoritmos; Algorithms; Comportamiento del consumidor; Consumer behavior; Preferencias de los consumidores; Consumers' preferences; http://vocabularies.unesco.org/thesaurus/concept2214
• Rights: openAccess
• License: https://creativecommons.org/licenses/by-nc-sa/4.0/