Aplicación de las ciencias de datos para identificar segmentos de clientes en una cadena de farmacias

Simple item page
dc.contributor.advisorOrtíz Navarrete, Miguel Dimitri
dc.contributor.authorVillacrés Venegas, Edgar Javier
dc.date.accessioned25/01/2024 12:55
dc.date.available25/01/2024 12:55
dc.date.issued2023
dc.description.abstractEl trabajo de segmentación de clientes realizado implicó el uso de técnicas avanzadas de ciencias de datos para analizar e identificar tendencias de compra y comportamiento de los clientes. Se implementaron dos algoritmos de agrupamiento, k-means y DBSCAN, para segmentar los clientes basándonos en diferentes parámetros, lo cual resultó en una segmentación altamente precisa con más del 90% de certeza en ambos casos.El algoritmo k-means fue particularmente efectivo, logrando una precisión del 95.2% y permitiendo identificar los productos más vendidos en 2022. Por otro lado, el algoritmo DBSCAN, aunque generó un número considerablemente mayor de clusters (8080), permitió identificar a los 10 clientes que más compraron, lo que es crucial para entender sus tendencias de compra y preferencias locales.El análisis también implicó la eliminación de ruido en los datos, lo que mejoró la calidad de los resultados obtenidos. Posteriormente, se utilizó el método silhouette para evaluar la eficacia de ambos algoritmos, obteniendo un valor muy cercano a 1, indicando una segmentación adecuada.Además, se utilizó la metodología CRISP-DM para estructurar el proceso de análisis, lo que facilitó la identificación precisa de los distintos segmentos de clientes y sus características únicas. El análisis final reveló insights valiosos sobre los productos que podrían beneficiarse de estrategias promocionales adicionales, así como información sobre las tendencias de compra de los clientes más importantes.En definitiva, el trabajo realizado no solo logró segmentar a los clientes de manera efectiva, sino que también proporcionó información valiosa sobre las tendencias de compra, lo que permitirá a la empresa focalizar sus esfuerzos en estrategias que potencien su crecimiento económico.
dc.id.advisor1707998801
dc.id.author0501863229
dc.identifier.urihttps://repositorio.puce.edu.ec/handle/123456789/41131
dc.language.isoes
dc.publisherPUCE - Quito
dc.subjectCiencia de los datos
dc.subjectSegmentación del mercado
dc.subjectAlgoritmos
dc.subjectAprendizaje automático supervisado
dc.subjectMinería de datos
dc.titleAplicación de las ciencias de datos para identificar segmentos de clientes en una cadena de farmacias
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Trabajo de Titulación Edgar J Villacres Venegas Final.pdf
Size:
5.36 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Tesis - Maestría en Sistemas de Información mención en Data Science